一种基于改进网格聚类的雷达信号预分选算法

基于网格的聚类算法是雷达信号预分选领域的一种常用方法。针对现有网格聚类算法需要人为确定网格划分、边界处理精度低的问题,提出一种改进的网格聚类算法,该算法对输入雷达信号脉冲顺序不敏感,根据网格数据压缩率自适应确定网格划分和密度阈值。仿真实验验证了算法的有效性和抗噪声能力。     

一种自适应容差的雷达信号分选聚类算法

雷达信号分选的目的就是从交错的、密集复杂的脉冲信号流中提取出同一辐射源的脉冲序列。战场环境中信号流的密集性,信号形式的复杂性,给信号分选带来了严重的挑战。面对如此复杂的信号环境,传统的基于直方图统计的雷达信号分选算法的分选结果可信度越来越差。在聚类雷达信号分选算法的基础之上提出了一种自适应容差的雷达信号聚类算法,克服了传统的雷达信号聚类分选算法中容差选择困难的问题。仿真结果表明该方法能够准确地分选出各个辐射源的脉冲序列。     

一种基于脉冲重频跟踪的信号分选方法

脉冲重频是雷达信号的重要特征之一,能否充分利用雷达信号的脉冲重频信息,直接影响雷达信号分选质量.采用由CPU给出的分选结果,包括最后一个用于分选的脉冲的到达时间,装订现场可编程门阵列(FPGA)关联比较器,利用雷达信号到达时间的相参性,将前后脉冲的到达时间差取余,根据余数判断两脉冲的相参关系,快速建立跟踪,由硬件实现对关联信号的脉冲重频跟踪,提高了速度,实现了信号跟踪的稳定性.     

一种新的雷达信号分选方法

ICA(IndependentComponentAnalysis)是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。本文深入分析了ICA算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得很好的分离效果。     

基于蚁群算法的K-Means聚类雷达信号分选算法

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文中将聚类分析技术引入到雷达信号分选中,将蚁群算法和K-Means相结合,互相弥补不足,提出了一种新的雷达信号分选方法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。     

一种新的雷达信号分选方法

在雷达辐射源信号分选领域,随着现代电子战电磁环境的恶化,信号参数空间的严重交叠,五经典参数分选方法性能急剧下降.针对传统信号分选方法的不足,提出瞬时自相关算法瞬时频率派生特征提取算法,提取和补充新的分选参数,构建更为有效的分选特征向量.通过Matlab仿真,验证了该算法的正确性和实际应用的可行性.     

一种基于改进网格聚类的雷达信号分选算法

将网格聚类算法用于雷达信号分选,针对传统网格聚类算法执行效率不高,聚类精度低等问题,对传统网格聚类算法进行了改进,最后通过仿真实验验证了改进算法有效性和先进性。     

雷达信号重频分选算法概述

信号分选是雷达对抗的关键技术之一，它的任务就是要把接收机生成的以时间为序的交错脉冲序列分选开来，标识出每个独立的辐射源。本文概述了目前常用的分选算法：序列检索法、自相关法、累积差直方图法（CDIF）和顺序差直方图法（SDIF）。并简要分析了各种算法的优缺点。     

一种新的雷达信号分选方法

ICA(Independent Component Analysis)是近年来信号处理领域的热点研究课题，可以根据输入源信号的基本统计特征，由观测数据进行信号分离，最终恢复出源信号。本文深入分析了ICA算法，并提出了将其用于雷达信号分选的新思路。计算机仿真表明，这种算法应用于雷达信号分选时可以获得很好的分离效果。     

基于人工鱼群聚类的雷达信号分选算法

随着科技的不断发展,各种新体制雷达的不断出现,使得电磁环境变得复杂多变,这就对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计的信号分选方法已经不能满足当前雷达信号分选的要求。文中将人工鱼群聚类算法引入到雷达信号分选中,并对其进行了改进,对雷达信号分选进行了一种新的探索,该方法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验证明该算法分选准确率高,为雷达信号分选提供了新的思路。     

人工蜂群聚类在雷达信号分选中的应用

针对传统的 K-Means 聚类雷达信号分选算法对初始聚类中心敏感和易陷入局部最优解的缺点,将改进的人工蜂群算法和 K-Means 迭代相结合,提出了一种混合聚类雷达信号分选算法,使算法对初始聚类中心的依赖性和陷入局部最优解的可能性降低,提高了算法的稳定性。通过仿真实验证明该算法分选准确率高,为雷达信号分选提供了新的思路。     

基于ISODATA聚类的复杂体制雷达信号分选

现代电磁环境下,实现多部复杂体制雷达交错信号分选,需要算法具有较强的自适应能力。针对该问题进行了探索,提出基于ISODATA（迭代自组织数据分析算法）聚类的雷达侦察信号分选方法,经过仿真测试证明,该算法对于多部复杂体制雷达交错信号,具有较强的分选能力。     

基于累积量盲抽取的雷达信号分选研究

研究了现有基于累积量的盲源分离算法,考虑实际雷达环境下信号的数据量大,要求信号分选的实时性,考虑用基于累积量的盲抽取算法完成雷达信号分选,通过仿真试验,验证了其在雷达信号分选中的有效性。     

基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.     

基于负熵最大化FastICA算法的雷达信号分选

在深入分析FastICA算法的基础上,提出了将其用于雷达信号的分选。仿真结果表明,这种算法应用于雷达信号分选时取得了很好的分离效果。     

基于FastICA的雷达信号分选研究

现代战争中新体制雷达的大量涌现,电磁环境变得越来越复杂,对雷达信号分选提出了新的挑战。目前的雷达信号分选领域,多采用基于参数容差的传统分选方法,这些方法受参数误差的影响大,对PDW参数相似的雷达无法分选,已经无法适应复杂电磁环境。在对FastICA算法原理分析的基础上,重点研究了将它应用于PDW参数相近的雷达信号和参差脉冲列的分选,并进行了仿真。仿真结果表明,FastICA是建立在源信号统计独立基础上的处理,对信号相关性敏感,受参数误差的影响小,可以有效解决上述问题,为雷达信号分选提供了一种新的思路。     

基于C均值聚类算法的雷达信号分选方法

随着现代雷达技术的发展,雷达告警设备所面临的电磁环境日益复杂,雷达告警系统对雷达分选的要求必须快速、准确.改进的C-均值聚类算法可有效地对雷达信号的脉宽、到达方向、频率参数进行联合分选.文中采用了这种改进的C-均值聚类算法,该方法易实现.仿真实验证明其能够较好地达到分选效果.     

基于改进的蚁群聚类雷达信号分选算法研究

针对新体制、新技术雷达下的雷达侦察接收机,提出一种新的蚁群聚类分析算法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。