雷达辐射源无意调制分析及识别方法研究

雷达辐射源无意调制分析及识别方法研究

论文摘要

雷达辐射源识别是指对侦收到的雷达信号进行特征提取,并根据先验信息确定发射信号的雷达个体的过程。由于雷达辐射源识别在军事侦察中所占据的独特地位,使得其成为了当今雷达对抗领域的研究热点。目前,雷达辐射源识别的研究已不少,但取得突破性的进展不多。大多从现象去进行无意调制特征的提取,缺少对无意调制的机理以及无意调制在信号中表现形式的研究,使得提取无意调制特征有一定的盲目性;由于无意调制特征极其细微,使得其易受环境的影响,如何方便高效地提取稳健的无意调制特征一直是雷达辐射源识别的难点。论文从雷达发射机频率源的无意调制机理分析入手,分析了主振放大式发射机频率源每一部件产生相位噪声的机理。同时通过研究各部件之间相位噪声的传递特性,得出了每个部件的相位噪声分布以及含有源滤波器的雷达发射机频率源最终输出相位噪声的分布。然后依据之前的分析结果,借助仿真工具ADs2009对主振放大式发射机频率源进行建模,研究发射机频率源每一部件产生的相位噪声以及对总的输出相位噪声的影响,并得到频率源输出的总相位噪声的分布情况。再把仿真得到的输出总相位噪声加入到理想常规雷达信号中以研究细微相位噪声对信号的影响。仿真结果表明,小的附加相位噪声对信号的相位、功率谱以及双谱具有显著改变,证实了相位噪声作为无意调制确实存在于雷达信号之中且本身具有一定的分布特性,同时也说明了提取无意调制的可能性。最后基于脉冲包络的形状能够反映雷达辐射源的个体特征,定义了三种新的包络特征,即拟合上升角、拟合下降角和拟合边沿周长面积比,通过仿真证实,新定义的包络特征较传统的包络特征具有更好的聚类效果,新的包络特征与旋转信号的统计特征及信号功率谱的相关特征一起构成一个新的特征向量,通过支持向量机分类器对信号进行分类:仿真实验表明,在不同信噪比情况下,新的特征向量具有更优的分类效果;实测数据也表明利用新特征向量的识别算法针对同型号、同工作模式的雷达辐射源亦能具备较好的分类效果。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题背景
  • 1.2 研究现状
  • 1.2.1 应用现状
  • 1.2.2 特征提取现状
  • 1.3 本文内容安排
  • 第二章 雷达发射机频率源相位噪声机理分析
  • 2.1 引言
  • 2.2 锁相式频率合成器的结构
  • 2.3 锁相式频率合成器的线性模型
  • 2.4 锁相式频率合成器性能特点
  • 2.5 锁相式频率合成器相位噪声分析
  • 2.5.1 参考频率源和VCO的相位噪声分析
  • 2.5.2 分频器的相位噪声分析
  • 2.5.3 鉴相器的相位噪声分析
  • 2.5.4 环路有源滤波器等效噪声分析
  • 2.5.5 环路输出总的相位噪声分析
  • 2.6 本章小结
  • 第三章 雷达频率源建模与相位噪声仿真
  • 3.1 引言
  • 3.2 单边带相位噪声
  • 3.3 雷达信号及添加相位噪声模型
  • 3.3.1 雷达信号模型
  • 3.3.2 相位噪声添加模型
  • 3.4 雷达发射机频率源建模
  • 3.5 雷达信号的无意调制仿真实现
  • 3.6 本章小结
  • 第四章 基于包络指纹的辐射源识别方法
  • 4.1 引言
  • 4.2 雷达辐射源特征提取方法
  • 4.2.1 雷达辐射源识别流程
  • 4.2.2 信号脉冲检测方法
  • 4.2.3 特征提取方法
  • 4.3 分类识别算法
  • 4.3.1 SVM简介
  • 4.3.2 SVM理论基础
  • 4.3.3 LIBSVM软件包
  • 4.4 仿真实验
  • 4.5 实测数据验证
  • 4.6 本章小结
  • 第五章 结束语
  • 5.1 总结
  • 5.2 展望
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 相关论文文献

    • [1].非合作雷达辐射源目标探测系统关键技术分析[J]. 电波科学学报 2020(04)
    • [2].基于膜粒子群算法的雷达辐射源信号多目标特征选择方法研究[J]. 云南民族大学学报(自然科学版) 2020(05)
    • [3].一种雷达辐射源目标数据统计与分析方法[J]. 雷达与对抗 2020(03)
    • [4].雷达辐射源信号快速识别综述[J]. 电子信息对抗技术 2017(05)
    • [5].基于神经网络的未知雷达辐射源智能识别技术[J]. 电子信息对抗技术 2013(06)
    • [6].基于脉冲数据流的雷达辐射源个体识别方法及实现[J]. 舰船电子对抗 2020(03)
    • [7].水面靶标雷达辐射源的实现[J]. 中国新通信 2018(08)
    • [8].基于协作表示的雷达辐射源多传感器融合识别[J]. 系统工程与电子技术 2016(12)
    • [9].基于区间灰关联的未知雷达辐射源智能识别[J]. 现代防御技术 2013(06)
    • [10].雷达辐射源信号小波变换特征提取方法[J]. 计算机工程与应用 2010(06)
    • [11].未知雷达辐射源分选的一种新方法[J]. 微计算机信息 2010(04)
    • [12].基于小波变换的雷达辐射源信号特征提取[J]. 信息与电子工程 2010(04)
    • [13].基于灰关联分析的雷达辐射源信号盲分类[J]. 计算机工程与设计 2009(20)
    • [14].一种深度学习的雷达辐射源识别方法[J]. 电子设计工程 2020(12)
    • [15].基于机器学习的雷达辐射源识别方法综述[J]. 兵器装备工程学报 2020(10)
    • [16].一种雷达辐射源目标信息快速查询方法[J]. 雷达与对抗 2017(04)
    • [17].基于区间数和证据理论的雷达辐射源参数识别[J]. 系统工程与电子技术 2014(07)
    • [18].基于改进灰关联的雷达辐射源识别方法研究[J]. 现代防御技术 2013(02)
    • [19].雷达辐射源个体特征的提取与识别[J]. 应用科学学报 2013(04)
    • [20].一种雷达辐射源识别模型研究[J]. 计算机工程与应用 2010(12)
    • [21].基于多参数的雷达辐射源分选新方法[J]. 数据采集与处理 2009(01)
    • [22].基于主成分分析的雷达辐射源信号数量估计[J]. 西南交通大学学报 2009(04)
    • [23].雷达辐射源信号的多重分形特性研究[J]. 微计算机信息 2008(27)
    • [24].基于深度卷积网络的雷达辐射源信号识别[J]. 现代防御技术 2019(02)
    • [25].雷达辐射源信号聚类分选算法综述[J]. 雷达科学与技术 2019(05)
    • [26].雷达辐射源自动识别的设计与实现[J]. 空军预警学院学报 2019(05)
    • [27].一种基于样本熵的雷达辐射源信号分选[J]. 电子世界 2018(21)
    • [28].一种雷达辐射源信号多目标特征评价模型[J]. 计算机应用研究 2012(08)
    • [29].雷达辐射源信号聚类分选算法[J]. 电路与系统学报 2011(03)
    • [30].基于粗糙集的决策树雷达辐射源识别方法[J]. 计算机仿真 2011(08)

    标签:;  ;  ;  ;  ;  

    雷达辐射源无意调制分析及识别方法研究
    下载Doc文档

    猜你喜欢