一种新的雷达重频模式识别方法

针对雷达重频模式识别中存在的问题,提出了一组新的二维特征向量,对重频固定、重频抖动、重频参差、重频分组和重频滑变5种典型的重频模式进行了识别。仿真结果表明,该方法正确识别率高,为工程应用提供了一种新的思路。     

一种新的重频分选检测门限选择算法

在小波理论的基础上提出了一种新的重频分选检测门限选择算法，并在此基础上对原有的重频分选算法给予改进。原有的重频分选算法检测门限选择单一，不适用于脉冲列分布不均匀的信号环境，该算法克服了这些缺点，不仅适用于脉冲列分布均匀的情况，而且适用于脉冲列分布不均匀的情况。仿真结果表明该算法较传统的CDIF算法对固定PRI形式的雷达脉冲列的分选有较好的效果。     

一种新的雷达PRI调制特征提取方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种基于Sp向量曲线的特征提取算法.根据4种典型模式的雷达信号脉冲序列的特点,该算法应用Haar变换从雷达脉冲信号中提取频率特征,构成二维特征向量,实现雷达信号PRI调制类型的自动识别.仿真结果表明,对特征向量进行大幅度降维后,不仅简化了分类器,而且用于PRI识别仍是可行和有效的.     

脉冲多普勒雷达重频参数的一种序贯估计方法

针对逐脉冲序贯重频参数估计的场景,引入了评估变量控制对脉冲的缓存,对受漏脉冲和干扰脉冲等数据噪声污染的脉冲列进行了较高精度的参数估计;进一步对缓存区间内的脉冲采用试探整除的方法,对脉冲多普勒雷达截获脉冲列中重频切换的跳变时刻进行了跟踪检测。仿真实验验证了文中所提的重频参数序贯估计方法相较于传统重频参数估计方法在序贯估计场景下的有效性和优越性。     

一种新的重频分选算法

从脉冲重复频率（PRF）出发提出一种新的重频分选算法，该算法的主要研究对象是脉冲重复频率而不是传统的重频分选算法所研究的脉冲重复间隔，尤其适合于已知脉冲重复频率范围的情况。利用该算法，运算量只有O（N），有利于实时计算。仿真结果表明，在脉冲重复频率的范围和初始相位已知的情况下，该算法有着较好的分选效果。     

一种快速重频参差信号分选方法

针对重频参差信号的分选,提出了一种快速信号分选方法,首先对参差信号脉冲序列的到达时间(TOA)做一次一阶差分运算,然后提取出所有满足条件的脉冲重复间隔(PRI)值,同时得到该参差信号的相周期、帧周期和参差数;最后,对脉冲序列的TOA做一次或多次高阶差分运算,并利用之前获得的相周期和参差数,解出各相周期的顺序关系.仿真实验结果表明,本文提出的方法在脉冲丢失率达到40%时仍能正确分选,且计算速度快.     

雷达脉冲信号重频分选研究

雷达脉冲信号分选是电子战系统和反辐射武器的关键技术。简单的说，雷达脉冲信号分选就是从大量复杂的雷达脉冲信号中识别出不同雷达的脉冲。分选的算法是基于分析截获信号的各种参数，如脉冲到达时间（TOA）、到达角（DOA）、脉冲宽度（PW）、载源（RF）和脉冲重复周期（PRI）（或重复频率PRF）等。对于基于脉冲重复周期进行分选的算法主要有直方图法和动态扩展关联法。下面对这两种方法及其改进算法给予介绍说明。     

基于最小张树判决域法的雷达重频模式识别

通过简单的序列误差和线性误差判决函数对雷达脉冲重频模式进行初步分析,再将聚类方法中的最小张树算法应用于判决函数中去对雷达信号的重频特征进行分析,从而得到了信号的重频模式,为雷达脉冲重频模式识别提供一种新的分析思路,仿真实验验证了算法的有效性。     

基于滑动时间窗的雷达脉冲列分选方法

电磁空间中大量存在着相互交错的固定重频雷达脉冲列,例如海面大量舰船发射的导航雷达信号、机载脉冲多普勒雷达在不同时段发射的相干脉冲列等。这些脉冲列以时间片段的形式存在,电子侦察分析系统无法事先确定其起止时刻,给这类雷达的重频参数估计和脉冲分选造成了较大困难。该文首先分析脉冲列的短持续时间特性给传统脉冲分选方法性能造成的负面影响,然后引入滑动时间窗思想来削弱这一影响,并据此提出脉冲重频间隔(PRI)高精度估计和脉冲分选方法。仿真结果验证了新方法的重频参数估计和脉冲分选性能。     

基于直方图和小波网络的雷达信号识别方法

信号识别是电子支援系统(ESM)的基础,作者在传统序列差分直方图的基础上,提出了基于小波网络对不同脉冲重复间隔(PRI)模式的雷达信号进行分类的新方法.仿真试验表明,该雷达信号分类算法具有收敛速度快、自适应能力强、结构简单等优点,并且该算法在脉冲有丢失或被噪声污染的情况下仍然有很高的识别概率.该算法在雷达对抗中具有一定的实用性.     

基于脉冲重复间隔的活动雷达库关联算法

电子支援侦察系统具有对战场环境中活动雷达进行跟踪、监视的功能,上述功能是通过将雷达脉冲序列与活动雷达库中的记录进行关联实现的。文中提出了一种基于生物信息学中动态规划思想的关联算法,该算法通过提取雷达脉冲序列脉冲重复间隔变化规律,并将此作为识别特征对雷达批数据进行关联,仿真说明了该算法即使在有脉冲丢失和干扰脉冲的情况下仍具有较好的处理效果。     

遗传算法搜索雷达脉冲重复周期

采用脉冲多普勒体制的雷达需发射多个不同重复周期(PRI)的脉冲组对目标进行探测。在雷达工程中一般采用穷举搜索的方法来优选PRI,计算量巨大。文中研究了遗传算法(GA)搜索雷达PRI方法,针对机载雷达探测空中目标的特点,以速度盲区和距离盲区联合最小作为适应度评价函数,搜索结果具备良好的探测清晰区。通过仿真示例说明了遗传 算法搜索PRI的有效性,并对遗传算法的计算量进行了分析。与穷举搜索法相比,遗传算法大大减少搜索数目,可以快速搜索出满足工程要求的PRI组合,具备良好的工程适用性。     

基于随机PRI压缩感知雷达的速度假目标识别方法

当存在有源速度假目标干扰时,随机脉冲重复间隔（Random Pulse Repetition Interval,RPRI）压缩感知雷达的回波稀疏性将被破坏,其目标检测与测速性能无法正常发挥.考虑到干扰机通常无法保证在相位调制时实时准确地更新雷达随机脉冲重复间隔,这将导致其生成的虚假目标信号与真实目标信号在不同的字典上稀疏.本文利用这一特性,在压缩感知框架下提出速度假目标识别算法,该算法通过建立联合字典实现真/假目标的稀疏表示与分离.通过分析不同随机模式下联合字典的自相干性及其对分离结果的影响,给出了本算法的适用范围,仿真结果验证了本算法的有效性.     

基于数据关联处理的重频参差雷达信号分选方法

该文针对电子侦察信号盲分选的技术难题,结合重频参差调制模式的特点,提出基于数据统计聚类和关联匹配的处理方法,对序列中含有重频参差调制的脉冲进行调制模式识别、参差序列分析和脉冲提取。实验仿真表明在脉冲丢失和虚假脉冲干扰的情况下,所提方法可以有效进行重频参差模式识别和参差排定次序分析,实现脉冲信号的盲分选,具有较强的鲁棒性。     

基于序列关联的参差信号分选算法

针对复杂环境下常规直方图信号分选算法对于参差信号分选能力不佳的问题,该文提出一种基于脉冲间隔与单个脉冲关联的直方图算法。该算法根据脉冲间隔与单个脉冲的对应关系建立了脉冲间隔分布矩阵(PIDM),然后通过对PIDM行列的累加计算,得到一种新的直方图,该直方图可避免传统脉冲重复间隔(PRI)变换算法在分选参差信号时对于参差...     

一种改进型PRI变换雷达信号分选技术

在对传统的脉冲重复间隔（PRI）变换法进行介绍的基础上，提出了一种改进型的PRI变换法来估计脉冲重复间隔，并给出了相应的门限设定方法，另外，文中还提出了一种适用的快速脉冲抽取算法。仿真表明，该方法对固定PRI、抖动PRI和参差PRI脉冲序列都有较好的估计效果。     

基于GUI的雷达脉冲序列分选仿真软件平台

为适应训练和教学的需要,设计了一种可以对雷达脉冲序列实现直观快捷分选的工具。通过改进的脉冲重复间隔(PRI)变换算法和序列差直方图(SDIF)算法,获得雷达脉冲序列的PRI值。利用PRI值完成对雷达脉冲序列的分选,并基于图形用户界面(GUI),将分选程序有机组合,形成用于雷达脉冲序列分选的通用仿真软件平台。试验结果表明软件运行效果好、可视化程度高、使用方便快捷。     

脉冲频率和单脉冲能量对准分子激光消蚀人尸正常主动脉的影响

设定激光照射能量，分别改变脉冲频率和单脉冲能量，用ＸｅＣｌ（３０８ｎｍ）准分子激光消蚀人尸正常主动脉。光镜下观察消蚀坑的组织形态学变化并测量消蚀坑深度，研究脉冲频率和单脉冲能量对消蚀过程的影响。     

包含隐变量的贝叶斯网络增量学习方法

提出了一种贝叶斯网络增量学习方法——ILBN.ILBN将EM算法和遗传算法引入到了贝叶斯网络的增量学习过程中,用EM算法从不完整数据计算充分统计量的期望,用遗传算法进化贝叶斯网络的结构,在一定程度上缓解了确定性搜索算法的局部极值问题.通过定义新变异算子和扩展传统的交叉算子,ILBN能够增量学习包含隐变量的贝叶斯网络结构.最后,ILBN改进了Friedman等人的增量学习过程.实验结果表明,ILBN和Friedman等人的增量学习方法存储开销相当,但在相同条件下,学到的网络更精确;实验结果也证实了存在不完整数据和隐变量时,ILBN的增量学习能力.     

一种基于贝叶斯网络的雷达目标识别方法

利用目标的运动速度、幅度等信息,结合模糊数学的相关知识,通过贝叶斯网络实现对战斗机、民航机和巡航导弹三类雷达目标的识别.识别结果表明,这种方法识别效果好,工程上容易实现.