基于时频分析的雷达信号脉内调制识别技术研究

摘要

随着现代电子和雷达技术的快速发展，电磁信号也越来越密集，电磁威胁环境的信号密度最高可达百万量级，新体制的雷达不断涌现并逐渐占据主导地位。基于常规参数的辐射源信号识别已不能满足日益复杂的电磁信号环境，必须深入研究信号的脉内特征参数来适应现代电子战环境的需求。 脉内特征分析是一项80年代中期开始研究的新技术，90年代国外已经装备了先进的细微特征提取分析设备，增强了外军的电子战实力。这项技术中，脉内特征的提取方法一直是科研、工程人员研究的重要课题，经过不懈努力，已经探索出一些行之有效的方法，形成了许多较为成熟的估计算法和相关技术。 本文的主要研究内容如下: 1.介绍了雷达辐射源信号的数学模型，并给出了几种典型雷达辐射源信号的具体实现形式，对其时域波形和频域波形进行了仿真。 2.对雷达信号脉内特征分析的时域方法进行了研究。分析了瞬时自相关法的原理，通过仿真分析得出了方法的性能评价，针对瞬时自相关法存在的相位模糊进行改进，将相位无模糊区间范围扩展到原来的4倍，提高了信号瞬时频率的提取效率。 3.对雷达信号脉内特征分析的时频域方法进行了研究。针对低信噪比条件下要求更高的识别准确率，提出了一种基于短时傅里叶变换，结合GRNN、PNN神经网络以及层级自编码模型的脉内特征分析综合方法。该方法能在训练样本较少时获得较好的识别性能，并且适当增加训练样本数有助于神经网络以及层级自动编码器模型的参数学习和调谐。

目录

声明

摘要

第一章绪论

1．1论文研究的背景和意义

1．2国内外研究现状分析

1．3雷达信号脉内调制类型概述及脉内分析流程

1．4深度学习的研究与应用

1．5论文研究内容及结构安排

2．1引言

2．2雷达信号数学模型

2．3雷达辐射源信号脉内调制类型分析

2．3．1常规信号

2．3．2线性调频信号

2．3．3非线性调频信号

2．3．4频率编码信号

2．3．5相位编码信号

2．4本章小结

3．1引言

3．2基于瞬时自相关的雷达信号脉内特征分析

3．2．1瞬时自相关算法及其改进

3．2．2典型信号的瞬时频率特征

3．2．3分类特征向量提取的级联归一化处理

3．2．4基于瞬时频率的派生特征识别

3．3基于短时傅里叶的雷达信号脉内特征分析

3．3．1算法原理

3．3．2瞬时频率特征提取

3．3．3基于归一化瞬时频率的特征选择及自动识别判断

3．4本章小结

4．1引言

4．2神经网络概述

4．2．1 BP神经网络

4．2．2 PNN神经网络

4．2．3 GRNN神经网络

4．2．4基于交叉验证法改进神经网络

4．3仿真分析

4．4本章小结

第五章基于联合时频特征的雷达信号调制类型识别

5．1引言

5．2深度学习结构

5．3基于深度学习的雷达辐射源识别

5．3．1随机投影

5．3．2主成分分析

5．3．3深度联合时频特征提取

5．3．4有监督精度调谐和识别

5．3．5仿真实验和结论分析

5．4本章小结

第六章总结与展望

6．1全文总结

6．2未来展望

致谢

参考文献

作者简介