在雷達(dá)有源欺騙干擾技術(shù)得到迅猛發(fā)展的今天,為了實(shí)現(xiàn)雷達(dá)系統(tǒng)的正常工作,就必須在雷達(dá)系統(tǒng)中加入抗有源欺騙干擾措施,使其擁有出色的抗干擾能力,從而占據(jù)主動(dòng),獲得先機(jī)。因此,就需要首先準(zhǔn)確地識(shí)別出具體的干擾類型,為抗干擾提供依據(jù)。本文主要以常規(guī)拖引干擾和新型密集假目標(biāo)干擾這兩類干擾為研究對(duì)象進(jìn)行識(shí)別算法研究,主要工作如下:一、闡述雷達(dá)有源欺騙干擾識(shí)別的背景與意義,對(duì)該領(lǐng)域的國(guó)內(nèi)外發(fā)展現(xiàn)狀進(jìn)行詳細(xì)地描述與總結(jié)。對(duì)DRFM的結(jié)構(gòu)細(xì)致地介紹,然后開(kāi)展對(duì)基于DRFM的欺騙干擾產(chǎn)生原理研究。對(duì)幾種基于DRFM欺騙干擾產(chǎn)生過(guò)程以及原理細(xì)致地研究,構(gòu)造這幾種干擾信號(hào)的模型。二、針對(duì)常規(guī)拖引干擾下的雷達(dá)接收信號(hào)進(jìn)行研究,介紹基于時(shí)頻域可分離度(TFSD)和Rényi熵特征的常規(guī)拖引干擾識(shí)別算法。該算法通過(guò)提取SPWVD時(shí)頻圖像的兩種特征,并利用不同情況下兩種特征值的差異完成對(duì)拖引干擾的識(shí)別。提出了基于時(shí)頻圖像Zernike矩特征的常規(guī)拖引干擾識(shí)別算法,該算法運(yùn)用數(shù)字圖像處理技術(shù)對(duì)時(shí)頻圖像采取一系列的預(yù)處理后,通過(guò)Zernike矩得到圖像的形狀特征組成特征參數(shù)進(jìn)行分類識(shí)別。三、針對(duì)頻譜彌散(Smeared S...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作與結(jié)構(gòu)安排
第二章 雷達(dá)有源欺騙干擾產(chǎn)生原理
    2.1 引言
    2.2 基于DRFM的欺騙干擾產(chǎn)生機(jī)理
    2.3 基于DRFM的拖引干擾產(chǎn)生機(jī)理
        2.3.1 距離拖引干擾模型
        2.3.2 速度拖引干擾模型
        2.3.3 速度拖引干擾模型
    2.4 密集假目標(biāo)干擾產(chǎn)生機(jī)理
        2.4.1 頻譜彌散(SMSP)干擾
        2.4.2 切片重構(gòu)(C&I)干擾
    2.5 小結(jié)
第三章 基于時(shí)頻特征的常規(guī)干擾識(shí)別算法
    3.1 引言
    3.2 雷達(dá)接收信號(hào)SPWVD時(shí)頻圖像
        3.2.1 雷達(dá)接收信號(hào)模型
        3.2.2 雷達(dá)接收信號(hào)時(shí)頻特性分析
    3.3 基于TFSD和三階Rényi熵特征的常規(guī)拖引干擾識(shí)別
        3.3.1 時(shí)頻圖像特征提取
        3.3.2 干擾識(shí)別
        3.3.3 結(jié)論
    3.4 基于時(shí)頻圖像Zernike矩特征的常規(guī)拖引干擾識(shí)別算法
        3.4.1 時(shí)頻圖像Zernike矩特征提取
        3.4.2 支持向量機(jī)分類器
        3.4.3 干擾識(shí)別
        3.4.4 結(jié)論
    3.5 小結(jié)
第四章 基于雙譜特征的密集假目標(biāo)識(shí)別算法
    4.1 引言
    4.2 雷達(dá)接收信號(hào)模型
    4.3 雷達(dá)接收信號(hào)的雙譜分析
        4.3.1 信號(hào)雙譜數(shù)學(xué)描述
        4.3.2 雷達(dá)接收信號(hào)的雙譜估計(jì)
        4.3.3 二維特征譜的生成
    4.4 基于二維特征譜分形維數(shù)的識(shí)別算法
        4.4.1 盒維數(shù)特征提取
        4.4.2 信息維數(shù)特征提取
        4.4.3 干擾識(shí)別
        4.4.4 結(jié)論
    4.5 基于二維特征譜形狀特征的識(shí)別算法
        4.5.1 時(shí)頻圖像預(yù)處理
        4.5.2 干擾識(shí)別
        4.5.3 結(jié)論
    4.6 小結(jié)
第五章 基于棧式稀疏自編碼器的雷達(dá)欺騙干擾識(shí)別
    5.1 堆棧式稀疏自動(dòng)編碼器
        5.1.1 自編碼器
        5.1.2 棧式稀疏自編碼器
    5.2 softmax分類器
    5.3 基于棧式稀疏自編碼器的深度學(xué)習(xí)算法
    5.4 基于棧式稀疏自編碼器的常規(guī)拖引干擾識(shí)別算法
        5.4.1 時(shí)頻特征提取
        5.4.2 基于SAE的常規(guī)拖引干擾識(shí)別算法步驟
        5.4.3 實(shí)驗(yàn)結(jié)果與分析
        5.4.4 結(jié)論
    5.5 基于棧式稀疏自編碼器的SMSP和 C&I干擾識(shí)別算法
        5.5.1 聯(lián)合雙譜特征提取
        5.5.2 基于SAE的干擾識(shí)別算法步驟
        5.5.3 實(shí)驗(yàn)結(jié)果與分析
        5.5.4 結(jié)論
    5.6 小結(jié)
結(jié)束語(yǔ)
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號(hào)：3763522