共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
一种新的重频分选检测门限选择算法 总被引:2,自引:1,他引:1
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。 相似文献
3.
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. 相似文献
4.
5.
一种新的重频分选算法 总被引:1,自引:0,他引:1
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。 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
11.
12.
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。 相似文献
13.
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. 相似文献
14.
15.
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... 相似文献
16.
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。 相似文献
17.
18.
19.
包含隐变量的贝叶斯网络增量学习方法 总被引:1,自引:0,他引:1
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. 相似文献