论文部分内容阅读
随着雷达技术的飞速发展和新体制雷达的广泛应用,雷达所处的信号环境呈现出密集、复杂和多变的特征,雷达信号分选的难度也逐渐增高。信号分选方法在追求实时性的同时还要充分考虑到分选结果的准确性。为了能够有效分选复杂信号环境下的雷达信号,本文深入研究信号分选的关键算法,并针对单一分选算法存在分选结果模糊性甚至无法正确分选的缺陷,提出了联合分选算法。传统的信号分选方法形式单一,只能适应数量单一,参数特定的辐射源环境,已经远远不能满足现代信号分选的要求。所以在当前飞速发展的信息化社会的大背景下,亟需探寻出能够适应复杂多变电磁环境的信号分选新方法。本文在深入研究了经典信号分选算法的基础上,提出了两种能够适应当前复杂信号环境的信号分选新方法,主要工作如下:(1)简单介绍了当前信号分选的背景与国内外研究现状,对雷达信号分选技术作了简要概述,阐述了当前复杂信号环境的原因、信号分选的重要参数以及信号分选的系统结构,给后续深入研究奠定了扎实的基础。(2)本文深入研究分析了典型的雷达信号分选算法,包括累积差值直方图法,序列差值直方图法,PRI变换法及其修正算法、动态关联法以及独立分量分析法。并对不同的算法作了计算与仿真,从不同角度分析各算法的特点,验证不同算法的适用范围。(3)提出了一种基于脉内特征的PRI变换新算法,把信号发脉内特征加入到PRI变换中,首先利用脉内特征对交叠信号进行预分离,降低脉冲的复杂性,并将预分离信号分配到不同的数据缓冲区,然后进行并行运算,对不同缓冲区的子脉冲流利用PRI变换法进行主分选。并通过计算机仿真分析该算法,验证了其有效性。(4)最后对盲源信号分离(Blind Source Separation,BSS)算法进行了研究,将经典快速独立分量分选算法(Fast ICA)和二阶盲识别算法(SOBI)相结合,提出一种对角化盲源信号综合分选方法,并通过计算性能指数(PI)和信号干扰比(SIR)两个指标来分析不同信噪比下算法的分选性能。由于现代雷达信号模型和电磁环境越来越复杂,信号分选技术面临的困难也变得越来越严峻,如何合理且巧妙地利用脉冲的不同特征参数对信号进行准确分选,是当前复杂信号环境下分选技术研究的热点,需要对现有算法不断深入研究与改进,才能提出适合于当前复杂信号环境的分选方法。