论文部分内容阅读
目前,电子战是除了“海、陆、天、空”四种战争外的第五类战争,是各国军事实力的重要体现。电子侦察是取得电子战胜利的基础,而信号的检测与分选是电子侦察系统中的重要组成部分,因此能否准确的检测出信号并对各种信号进行精确分选是取得电子战成功的关键。近几年,神经网络、遗传算法等人工智能算法层出不穷,但是由于实时性的限制,在工程实践中,一些传统经典算法仍然占据着重要的位置。本文主要针对实际无源侦收设备接收到的信道化后的数据进行检测,由于自相关检测法实时性强,易于工程实践,因此采用自相关检测法进行信号的检测。针对传统的自相关检测法并不适合多通道的信号检测这一缺点,对其改进得到了 N点自适应的分段自相关检测法;同时,在一定信噪比情况下改进的自相关检测法比滑窗能量积累检测法检测概率高,检测误差大,进而采用二者相结合的方法进行信号的检测,提高了检测概率,降低了检测误差,并且实时性强易于工程实践。最后根据合并后的包络进行参数的测量得到脉冲描述字(PDW),以此进行预分选、分选。信号的分选分为预分选与分选两部分。根据得到的脉冲描述字,本文采用K-Means算法对载频和脉宽进行联合预分选,并针对K-Means算法初始聚类中心和聚类个数无法确定以及异常数据(孤立点和噪声点)对算法影响较大这两个缺陷进行改进,得到了基于双层差分的K-Means算法。首先通过网格法对异常数据进行去除,然后利用双层差分算法来初始化聚类中心和个数,在降低了迭代次数的同时也提高了分选准确率;最后借助SDIF算法对预分选的结果进行信号的分选。经仿真分析验证,对频率捷变、重频参差/抖动等复杂工作方式下的辐射源信号可以进行准确分选。本文利用实验数据及实际侦收到的数据对信号检测与分选算法进行了仿真验证与对比分析,首先利用改进的自相关检测法和滑窗能量积累检测法实现信号的检测、提取包络、得到脉冲描述字,然后利用改进的K-Means算法进行预分选、SDIF进行主分选,充分验证了本文算法的有效性和实用性。