雷达辐射源识别

摘要： 面对复杂多变的电磁环境与新体制雷达系统,传统的雷达辐射源识别方法已无法满足需求。深度学习模型可有效提取雷达信号的脉内特征,快速准确地对低信噪比、未经分选的雷达辐射源信号进行脉内调制类型识别、型号识别与个体识别。但真实环境中雷达辐射源信号难以收集,无法满足传统的深度学习训练需要,因此小样本雷达辐射源识别是目前研究的热点与难点。文中首先对近年来将基于监督学习的多种经典深度学习方法应用于小样本雷达辐射源识别的研究进行了回顾;其次,介绍了小样本学习在雷达辐射源识别领域的研究进展;最后,基于小样本雷达辐射源识别的研究现状,总结面临的挑战,提出了对未来研究方向的展望。

摘要： 为提高雷达辐射源识别智能水平,提出一种新的基于转换脉冲神经网络进行雷达辐射源调制模式识别的方法。将仿真产生的雷达信号转换为2维时频图,将传统的卷积神经网络(convolutional neural networks, CNN)转化为脉冲神经网络(spiking neuron network, SNN),使用SNN进行雷达辐射源识别。仿真实验结果表明:该方法具有优良的检测精度,当信噪比高于-9 dB时,识别概率可达96%以上。

摘要： 现代海空战场愈发复杂多变的电磁环境促使雷达辐射源识别技术向环境交互、动态化及智能化等认知方向发展。文中首先给出雷达辐射源识别框架,从特征提取、特征选择和分类识别三个阶段阐述了辐射源识别过程;然后,重点从信号波形识别、个体识别和工作状态识别三个方面综述了研究现状;最后,对雷达辐射源识别的发展热点和趋势进行了概括总结。

摘要： 针对支持向量机分类器学习新增样本知识实时性差的问题,本文研究了一种基于壳向量和Parzen窗密度估计的雷达辐射源识别在线学习方法。通过Parzen窗密度估计剔除样本孤立野点,通过求取样本集的壳向量缩短训练时间,利用训练好的分类器完成雷达信号样本识别。仿真实验表明,提出的基于壳向量和Parzen窗密度估计的雷达辐射源识别在线学习方法具有良好的时效性和较高的正确识别率。

摘要： 针对支持向量机分类器学习新增样本知识实时性差的问题,本文研究了一种基于壳向量和Parzen窗密度估计的雷达辐射源识别在线学习方法.通过Parzen窗密度估计剔除样本孤立野点,通过求取样本集的壳向量缩短训练时间,利用训练好的分类器完成雷达信号样本识别.仿真实验表明,提出的基于壳向量和Parzen窗密度估计的雷达辐射源识别在线学习方法具有良好的时效性和较高的正确识别率.

摘要： 为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN-LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别.该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务.仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90％以上.

摘要： 针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法.基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理;设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力;利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性.仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31％的整体平均识别率,具备较强的鲁棒性.

摘要： 本文介绍了基于无意调制特征的雷达辐射源识别,概述和分析了国内外雷达辐射源识别研究的现状和未来的发展趋势,介绍了雷达辐射源识别由信号特征提取和分类识别两部分组成，对无意调制特征产生机理进行分析，并对频率源相位噪声模型、功率放大器的建模作了介绍，阐述了用于特征提取的小波分析、高阶累积量与高阶谱理论、时频分析、相空间重构等理论和杂散输出、信号包络相空间特征等方法，并对存在的问题和研究方向做了概述。

摘要： 介绍了RSE算法在雷达辐射源识别专家系统规则提取中的应用.RSE算法是粗糙集理论与熵理论的结合,在雷达辐射源识别专家系统中,为了从雷达数据集中提取有用的规则信息,首先利用粗糙集理论将数据集表示为知识表示系统申的一系列等价类,然后根据熵理论计算每个条件属性的信息熵;最后以熵值为依据从等价类中提取出分类规则.通过该方法与ID3算法的比较,证明了该方法的有效性.

摘要： 本文结合雷达辐射源智能识别系统(REIRS)的实际研究工作,介绍了雷达辐射源智能识别系统的结构、工作流程及其基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,同时还对识别系统的试验结果进行了分析,最后总结了系统的技术特点及其在电子战其它方面的应用前景.

摘要： 本文结合雷达辐射源智能识别系统(REIRS)的实际研究工作,介绍了雷达辐射源智能识别系统的结构、工作流程及其基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,同时还对识别系统的试验结果进行了分析,最后总结了系统的技术特点及其在电子战其它方面的应用前景.

摘要： 本文结合雷达辐射源智能识别系统(REIRS)的实际研究工作,介绍了雷达辐射源智能识别系统的结构、工作流程及其基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,同时还对识别系统的试验结果进行了分析,最后总结了系统的技术特点及其在电子战其它方面的应用前景.

摘要： 本文结合雷达辐射源智能识别系统(REIRS)的实际研究工作,介绍了雷达辐射源智能识别系统的结构、工作流程及其基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,同时还对识别系统的试验结果进行了分析,最后总结了系统的技术特点及其在电子战其它方面的应用前景.

摘要： 本文结合雷达辐射源智能识别系统(REIRS)的实际研究工作,介绍了雷达辐射源智能识别系统的结构、工作流程及其基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,同时还对识别系统的试验结果进行了分析,最后总结了系统的技术特点及其在电子战其它方面的应用前景.

摘要： 本发明实施例提供一种辐射源识别方法、装置及辐射源识别模型创建方法、装置；方法包括：获取待识别辐射源所发出信号的时域数据；根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果。本发明实施例具有识别准确率高以及识别效果稳定，对噪声有一定的鲁棒性的优点。

摘要： 本申请公开了一种辐射源信号的指纹特征参数提取方法，其步骤包括：(1)对辐射源的射频数字信号进行ITD分解得到一系列瞬时频率逐渐降低的旋转分量，即：任何射频数字信号数据sn＝(s1,...,sn)通过ITD分解为：其中，是指第i阶基线信号，是第i阶旋转分量；为剩余分量；这里的射频数字信号数据sn是任一复数数字信号的实部In、虚部Qn或者幅值En；(2)利用(1)步不同阶旋转分量计算获得其对应的能量分布、盒维数、信息维数、瞬时相位均值、瞬时相位标准差及包络R特征；(3)直接对(1)步信号数据信号数据sn实部In、虚部Qn或幅值En计算其对应的盒维数、信息维数。利用上述提取的指纹特征参数结合机器学习算法，能够准确实现辐射信号源判断和识别。

摘要： 用于监测用于光刻设备的辐射源中的蒸气或来自蒸气的沉积物的电容性测量。测量可以用于控制辐射源的操作。在一个特定布置中，来自多个电容器的测量用于在由蒸气引起的电容上的改变与由来自蒸气的沉积物引起的电容上的改变之间进行区分。

摘要： 本发明公开了一种基于雷达脉冲序列的雷达辐射源个体识别系统，包括雷达个体脉冲序列数据库、数据预处理模块、不同个体权重计算模块、加权的极限梯度提升雷达个体建模模块、雷达个体识别模块、雷达个体识别最终结果计算模块。本发明基于雷达脉冲序列实现雷达辐射源的个体识别，基于雷达脉冲序列的雷达辐射源个体识别系统中除采用原始脉冲序列作为输入，还对原始雷达脉冲序列进行小波分解从而获得多尺度输入，挖掘更多可区分的细微特征，采用加权的集成学习算法建立雷达辐射源个体识别模型，能够克服数据库中雷达个体样本数量不平衡的问题，同时具有特征提取能力强、准确率高、建模速度快等优点。

摘要： 本发明涉及一种用于侵入性电磁辐射的辐射源（1）的靶（10），该靶包括：至少一个靶元件（20），该至少一个靶元件被配置用于在用粒子照射后生成侵入性电磁辐射、并且联接至基材装置（28）以从该靶元件耗散热量，其中，该靶元件（20）具有形成该靶元件（20）的外表面的第一部分的外围表面，其中，该靶元件（20）的外表面另外由该靶元件（20）的侧表面（38）形成，其中，该侧表面（38）的范围限定该靶元件（20）的厚度（D），其中，该侧表面（38）的外围线形成该外围表面的边际线，其中，该靶（10）具有端面（22），作为该端面的一部分，该靶元件（20）的侧表面（38）以暴露的方式布置以被所述粒子照射，并且其中，该基材装置（28）与该外围表面相接触。

摘要： 本发明实施例提供一种辐射源识别方法、装置及辐射源识别模型创建方法、装置；方法包括：获取待识别辐射源所发出信号的时域数据；根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果。本发明实施例具有识别准确率高以及识别效果稳定，对噪声有一定的鲁棒性的优点。

摘要： 本申请公开了一种辐射源信号的指纹特征参数提取方法，其步骤包括：(1)对辐射源的射频数字信号进行ITD分解得到一系列瞬时频率逐渐降低的旋转分量，即：任何射频数字信号数据sn＝(s1,...,sn)通过ITD分解为：其中，是指第i阶基线信号，是第i阶旋转分量；为剩余分量；这里的射频数字信号数据sn是任一复数数字信号的实部In、虚部Qn或者幅值En；(2)利用(1)步不同阶旋转分量计算获得其对应的能量分布、盒维数、信息维数、瞬时相位均值、瞬时相位标准差及包络R特征；(3)直接对(1)步信号数据信号数据sn实部In、虚部Qn或幅值En计算其对应的盒维数、信息维数。利用上述提取的指纹特征参数结合机器学习算法，能够准确实现辐射信号源判断和识别。

摘要： 用于监测用于光刻设备的辐射源中的蒸气或来自蒸气的沉积物的电容性测量。测量可以用于控制辐射源的操作。在一个特定布置中，来自多个电容器的测量用于在由蒸气引起的电容上的改变与由来自蒸气的沉积物引起的电容上的改变之间进行区分。

摘要： 本发明公开了一种基于雷达脉冲序列的雷达辐射源个体识别系统，包括雷达个体脉冲序列数据库、数据预处理模块、不同个体权重计算模块、加权的极限梯度提升雷达个体建模模块、雷达个体识别模块、雷达个体识别最终结果计算模块。本发明基于雷达脉冲序列实现雷达辐射源的个体识别，基于雷达脉冲序列的雷达辐射源个体识别系统中除采用原始脉冲序列作为输入，还对原始雷达脉冲序列进行小波分解从而获得多尺度输入，挖掘更多可区分的细微特征，采用加权的集成学习算法建立雷达辐射源个体识别模型，能够克服数据库中雷达个体样本数量不平衡的问题，同时具有特征提取能力强、准确率高、建模速度快等优点。

摘要： 本发明公开了一种可同时识别已知和未知雷达辐射源个体的识别仪，包括雷达信号接收器、数据库、可同时识别已知和未知雷达辐射源个体的识别功能模块以及结果显示模块。可同时识别已知和未知雷达辐射源个体的识别功能模块包括数据预处理模块、雷达辐射源个体识别网络结构模块、雷达辐射源个体识别模型训练模块以及雷达辐射源个体识别辨识模块。本发明克服了目前已有的雷达辐射源识别方法仅能识别已知类别的不足，首次实现了可同时识别已知和未知雷达辐射源个体类别，对于解决新形势下雷达辐射源个体类别层出不穷和数据库几乎不可能涵盖所有雷达辐射源个体类别之间的矛盾具有重大意义。