雷達信號細微特征分析與識別.pdf_第1頁
已閱讀1頁,還剩109頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著電子技術的飛速發(fā)展及其在現(xiàn)代戰(zhàn)爭中的廣泛應用,新型雷達信號源個體的調制方式更加靈活,參數(shù)變化多樣,并且現(xiàn)代戰(zhàn)場電磁信號環(huán)境復雜,以使基于傳統(tǒng)常規(guī)參數(shù)的雷達信號識別技術無法滿足現(xiàn)實的需求。為此,迫切需要探索新的識別方法,以提高現(xiàn)有電子戰(zhàn)中雷達對抗裝備的技術水平,這就使得雷達信號源個體識別的技術應運而生,并且得到迅速發(fā)展。本文主要分析與研究了雷達信號有意調制識別和雷達信號無意調制識別的相關理論和方法,全文的主要研究工作概括如下:

2、   針對雷達信號有意調制中兩類典型調制信號,即相位編碼(PSK)信號和調頻(FM)信號。本文提出了一種基于由粗到細的分類識別方法。根據(jù)PSK信號和FM信號兩者的頻率譜3dB帶寬明顯不同的特點,先進行類間粗分類識別。在此基礎上,針對PSK信號和FM信號類內特征的不同,本文又提出了基于小波脊頻特征的類內細分類識別方法,使PSK信號被細分類識別為二相編碼(BPSK)信號和四相編碼(QPSK)信號,使FM信號被細分類識別為線性調頻(LFM)

3、信號和非線性調頻(NLFM)信號,至此完成整個分類識別過程。
   在雷達信號有意調制類型識別過程中,本文研究了加性高斯白噪聲(AWGN)信道中載波信號采樣序列瞬時頻率的概率密度分布模型,并通過假設檢驗驗證該分布模型的正確性。分析了不同采樣速率及信噪比對瞬時頻率概率密度分布的影響。根據(jù)該分析結論本文提出了一種基于抽取與重構的瞬時頻率估計算法,并且對該算法的性能進行了詳細的分析。同時還對多載波信號采樣序列瞬時頻率產(chǎn)生混疊以至無法分

4、辨的情況進行了分析,并推導了瞬時頻率完全混疊時的極限公式。最后通過蒙特卡羅仿真驗證了提出的估計算法的正確性。
   在對已完成類型識別的信號進行參數(shù)估計方面,本文提出了一種基于三次相位函數(shù)法的改進LFM雷達信號參數(shù)估計算法。采用三次相位函數(shù)(Cubic Phase Function,CPF)法可實現(xiàn)對LFM及NLFM信號的參數(shù)估計。該方法可提取此類信號相位函數(shù)的各項系數(shù),它只需通過二階非線性變換在信號參數(shù)空間形成最大值來進行參數(shù)

5、估計,具有較高的估計精度和良好的抗噪聲能力。針對該算法計算量大的問題,本文利用信道化提取的脈沖前沿頻率和脈沖寬度信息,提出調頻斜率搜索范圍設定準則。另外,提出雙尺度調頻斜率搜索法,可大量減小計算量,同時保證低信噪比下的算法精度。
   針對雷達常規(guī)脈沖信號重復間隔(Pulse Repetition Interval,PRI)特征,本文應用到達時間(Time Of Arrival,TOA)差值法進行雷達信號源個體識別。針對雷達信號

6、載波頻率偏移特征,本文應用快速傅里葉變換法(FFT)進行雷達信號源個體識別。針對應用雷達脈沖信號波形特征進行雷達信號源個體識別,本文是在對實測脈沖信號分析的基礎上,對其最能代表被分析信號源個體特征的脈沖信號包絡的上升沿波形特征進行提取,并應用Hausdorff距離法分別從其時域和頻域兩個角度,對其提取出的特征進行識別。對于上述的識別結果,本文均給出相應的正確識別概率。
   針對由相位噪聲引起的雷達信號無意調制的識別,本文首先提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論