基于DeepLabV3与GAN的雷达时频混叠多信号智能检测与分离

针对当前雷达信号智能检测研究中存在信号数量受限、样式单一、不便于后续处理等问题,本文提出了一种基于DeepLabV3与GAN的雷达时频混叠多信号智能检测与分离方法。首先对接收信号的时域数据通过时频变换得到二维的时频数据,利用DeepLabV3对多信号重叠的时频数据进行检测并且实现信号的分离,对于信号的重叠部分利用GAN对时域信号进行估计重构。实验结果表明,该方法在信噪比（SNR）为-3 dB时,检测平均交并比（mIoU）能够达到了85%以上,在SNR为6 dB时,分离后的信号与原信号相关系数高于0.85。      

基于Rao检验的信号统计分辨界分析

针对基于广义似然比检验(GLRT)的信号统计分辨界(SRL)分析存在计算较复杂、难以得到检测统计量解析表达式等问题,提出了一种基于Rao检测的SRL分析方法.分析了噪声方差已知和未知两种情形下的信号一维方位角SRL以及噪声方差已知时的信号二维方位角及俯仰角SRL,推导得到了Rao检测统计量以及对应SRL所需的最小信噪比(SNR),分析了检测性能、计算复杂度,并与GLRT方法进行了对比.仿真实验验证了Rao检测方法的有效性.     

采用最小成对误码率设计准则的MISO干扰信道波束形成

本文针对MISO干扰信道的瞬时波束形成的设计问题开展研究.现有的研究都是基于最大速率和准则,没有考虑通信质量.本文以通信质量优先为出发点,基于最小成对误码率准则设计MISO干扰信道的瞬时波束形成向量,建立了问题模型并推导了求解方法.通过仿真实验对两种设计准则下的最优波束形成向量进行了比较,结果表明两种方法得到的最优波束...     

基于射频功放非线性建模的欺骗干扰识别

针对欺骗干扰信号在时域、频域、空域与真实信号重叠,导致识别欺骗干扰的难度较大,假定真实发射机与欺骗干扰机射频前端器件除功放模块外均工作于理想状态,提出了一种基于射频功放建模的欺骗干扰识别方法。首先,利用Hammerstein模型对射频功放进行非线性建模,以模型参数作为提取的特征向量;其次,基于统计检测理论识别欺骗干扰;最后通过实验验证了方法的有效性,并与基于信号双谱特征的识别方法进行性能对比。实验结果表明,基于射频功放建模的欺骗干扰识别方法能够有效地识别欺骗干扰,且优于基于信号双谱特征的识别方法。     

采用联合字典优化的噪声鲁棒性语音转换算法

针对含噪语音难以实现有效的语音转换,本文提出了一种采用联合字典优化的噪声鲁棒性语音转换算法。在联合字典的构成中,语音字典采用后向剔除算法(Backward Elimination algorithm,BE)进行优化,同时引入噪声字典,使得含噪语音与联合字典相匹配。实验结果表明,在保证转换效果的前提下,后向剔除算法能够减少字典帧数,降低计算量。在低信噪比和多种噪声环境下,本文算法与传统NMF算法和基于谱减法消噪的NMF转换算法相比具有更好的转换效果,噪声字典的引入提升了语音转换系统的噪声鲁棒性。      

雷达DRFM欺骗干扰的检测

针对雷达距离门内同时存在目标信号与DRFM距离欺骗干扰信号时的干扰检测问题,本文提出了基于信号检测理论与凸优化理论实现该情形下的欺骗干扰检测方法。首先,结合干扰机存在转发时延的实际,研究以干扰误差角为测度衡量距离门内有或无距离欺骗干扰两种情形下信号的相似程度。其次,理论推导了DRFM欺骗干扰存在时的透视检测器与GLRT检测器解析解。最后,通过仿真实验给出多种条件下的检测性能曲线。实验结果表明,得到的检测器能够对DRFM量化位数较低的距离欺骗干扰实现正确检测。      

基于统计相关差异的多基地雷达拖引欺骗干扰识别

针对长基线多基地雷达系统在目标跟踪阶段的拖引欺骗干扰识别问题,考虑到真实目标回波在不同节点雷达中的幅度相互独立,而拖引欺骗干扰假设来自同一干扰机,其在不同节点雷达中的幅度完全相关,从而跟踪波门内只有目标回波与同时存在目标回波与拖引欺骗干扰这两种不同情形下的信号幅度存在统计相关差异。该文提出利用这一差异实现多基地雷达系统的拖引欺骗干扰识别。通过在分析统计相关差异的基础上,对不同节点雷达接收到的回波信号幅度序列进行相关性度量及参数估计,构建检验统计量,在给定的虚警概率下实现了对欺骗干扰的识别。仿真实验结果表明,该方法对欺骗干扰具有较好的识别效果,相较于基于拟合优度的AD检测算法,识别概率平均提高18.63%。     

基于TOPSIS法的雷达抗干扰措施优化选取

雷达抗干扰措施优化选取是现代雷达智能抗干扰中一个重要的组成部分.文中提出了一种基于多属性决策的资源优化分配算法,即TOPSIS法.该算法可设定各因素权重以权衡抗干扰效益与抗干扰效率的关系.将该方法与基于0-1规划的资源优化分配算法进行仿真实验对比,结果表明TOPSIS在抗干扰效益与抗干扰效率上更具优势.     

认知无线电中基于拟合优度的频谱盲检测算法研究

首先,提出噪声方差未知情况下基于t分布的Anderson-Darling的认知无线电频谱盲检测方法,通过计算接收到信道采样样本均值和方差比的分布函数与f分布函数之间的Anderson-darling距离,实现频谱检测.其次,提了基于特征函数的频谱盲检测算法,通过计算接收到的样本经验特征函数与已知特征函数的距离,判决信道中是否存在信号传输.最后,给出了衰落信道下,所提2种基于拟合优度的频谱盲检测算法的虚警概率和检测概率下界.理论和仿真表明,噪声方差未知情况下,所提2种频谱盲检测算法比传统的噪声方差已知时的能量检测法具有更好的性能.在低信噪比和小样本条件下,性能提高表现的尤其明显.     

基于原子分解理论的雷达欺骗式干扰信号特征提取

针对雷达信号多为非线性信号的特点以及原子分解在冗余字典集内对非线性信号能得到更优逼近效果的优点,提出将原子分解理论应用到雷达欺骗式干扰信号特征提取,为实现自动识别雷达欺骗式干扰奠定了基础.简要介绍了原子分解的基本原理及经典算法.根据欺骗式干扰信号受DRFM量化效应影响的特点,选取包含Heaviside字典的过完备字典集进行特征提取,找出了能表明目标回波信号与欺骗式干扰信号两者之间显著差异的特征参数.仿真实验验证了提取的特征参数的有效性.