论文部分内容阅读
雷达辐射源信号分选指对获取的混杂脉冲信号进行分类处理,并让相同辐射源发出的信号归于同一类别。在目前日益发展的信息对抗中,信号分选技术已逐渐成为左右电子侦察系统效能的重要指标,并会决定相关电子设备能否达到最佳性能。在已知的辐射源信号分选技术中,通常依靠几项常规参数来完成数据分类。然而由于当前电磁环境的复杂化、低截获概率(LPI)技术和复杂体制雷达的出现,使得辐射源信息相关度骤增,独立数据源特征大幅度减弱。如何解决参数特征混叠和复杂体制雷达信号的特征提取问题,是影响雷达辐射源分选系统的关键环节。为此,本文针对未知的雷达辐射源信号,在参数空间严重混叠情况下,传统分选方法性能急剧下降,从已知的针对未知雷达信号分选方法着手,改进了相关技术并提出一种新的分选聚类法。针对复杂多种调制的低截获率雷达信号,本文依据脉内特征提取技术相关理论对该问题展开讨论和研究。主要工作和研究成果如下:针对已知的聚类分选方法依赖初始聚类中心、类别数目以及应对复杂信号不稳定性的特点,首先对已知的两种未知雷达辐射源信号聚类分选算法进行改进,然后提出将AP算法引入雷达信号分选的聚类技术,利用其对数据源的“独立假设”思想解决未知信号脉冲参数空间混叠的问题。研究从理论方面分析三种聚类算法的可行性,然后经过对比实验验证,AP聚类算法相比较其他算法,无需指定初始中心及类别处理,并保持较稳定的分选性能。针对复杂调制的多种雷达辐射源信号,在低信噪比环境下,具有复杂度高、识别效率低的特点,本文提出一种基于Chriplet时频原子特征的改进的雷达信号识别分选方法。首先分析多种调制方式的雷达信号,然后分析PSO智能优化算法在参数搜选中的原理和优势,并用其对时频原子提取过程进行改进,之后提出PSO算法与时频原子概念结合的方法,利用“类区分度”准则提取信号特征,可得到LPI雷达信号的有效表征原子。最后通过仿真实验证明该方法对于3dB以上多种调制方式的雷达信号,可进行有效快速的识别分选。