復雜體制雷達輻射源信號脈沖重復間隔調(diào)制識別.pdf

1、雷達輻射源信號識別是電子偵察系統(tǒng)的重要任務(wù)和關(guān)鍵環(huán)節(jié)，其識別結(jié)果為電子對抗和電子反對抗提供情報支持和實時支援，影響乃至決定電子戰(zhàn)的成敗。隨著雷達技術(shù)和抗電子干擾技術(shù)的不斷發(fā)展，越來越多的復雜體制雷達投入使用，雷達引導武器的威脅性也越來越高，這不僅給輻射源信號識別帶來很大困難，而且要求識別系統(tǒng)具有很高的識別精度和穩(wěn)定性。 在復雜體制雷達輻射源信號識別中，本文主要研究輻射源脈沖重復間隔(PRI)調(diào)制類型識別。按照所建立的輻射源識別模

2、型，首先對信號參數(shù)進行特征提取，提取出表征輻射源PRI調(diào)制類型的特征向量，然后通過智能分類器對特征向量進行分類以實現(xiàn)對輻射源信號PRI調(diào)制類型的自動識別。本文的主要工作及研究成果如下： 1.對雷達輻射源信號識別進行了概述，詳細論述和系統(tǒng)分析了國內(nèi)外研究現(xiàn)狀，并指出了需要解決的問題。 2.綜合分析復雜PRI調(diào)制雷達脈沖信號及其數(shù)學模型，給出了影響信號識別的主要因素，并對雷達信號進行了軟件仿真。 3.在分析已有輻射源

3、信號識別模型的基礎(chǔ)上，提出了基于信號參數(shù)特征提取的輻射源信號識別模型。 4.在分析輻射源信號PRI脈沖列的基礎(chǔ)上，提出了一種特征提取方法，從信號的時域參數(shù)提取出一個二維特征向量來表征輻射源的PRI調(diào)制類型。實驗仿真結(jié)果表明特征提取方法不僅可以將不同的PRI調(diào)制類型分開，而且由于其對輸入向量進行了降維，從很大程度上減小了分類問題的復雜度。 5.將神經(jīng)網(wǎng)絡(luò)用于雷達輻射源脈沖信號PRI調(diào)制類型的識別。采用概率神經(jīng)網(wǎng)絡(luò)(PNN)

4、設(shè)計分類器，并采用設(shè)計的分類器對雷達輻射源脈沖信號PRI調(diào)制類型進行分類識別。實驗結(jié)果表明：本文提取的特征向量不僅能很好的識別PRI調(diào)制類型，而且存在噪聲時也有很好的識別性能；PNN分類器對本文提取的低維特征向量有很好的識別性能，但輸入向量維數(shù)增高時性能迅速惡化。 6.將支持向量機(SVM)用于雷達輻射源脈沖信號PRI調(diào)制類型的識別。對SVM核函數(shù)進行了分析，并給出了SVM在線性和非線性模式分類方面的應(yīng)用實例；在對多分類SVM分

5、類器進行設(shè)計之后，將多分類SVM分類器用于雷達輻射源脈沖信號PRI調(diào)制類型識別；對比分析了SVM分類器與PNN分類器的分類性能。 實驗結(jié)果表明：(i)核函數(shù)的選取是用SVM進行分類的一個關(guān)鍵所在。對非線性問題，采用徑向基函數(shù)作為核函數(shù)是好的選擇。(ii)SVM分類器能很好的解決線性和復雜非線性模式識別問題；SVM分類器的性能由占樣本少數(shù)的支持向量決定，運算量得到很大程度的減少；用SVM進行分類的過程是尋找一個最優(yōu)分類面的問題。(

6、iii)在采用SVM分類器時，本文提出的雷達輻射源時域特征向量提取方法不但大大降低了分類器的輸入向量(從n(n＞2)維降低到2維)，具有很強的容錯能力，并且獲得了和高維向量相當?shù)淖R別精度。(iv)SVM分類器比PNN分類器對輸入向量維數(shù)和噪聲有更強的適應(yīng)性；SVM分類器性能在輸入向量維數(shù)增高時仍能保持很好的分類識別性能。 本文工作得到國防科技重點實驗室預研基金項目(NEWL51435QT220401)和國家自然科學基金(6057