在雷達有源欺騙干擾技術得到迅猛發(fā)展的今天,為了實現(xiàn)雷達系統(tǒng)的正常工作,就必須在雷達系統(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,獲得先機。因此,就需要首先準確地識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干擾這兩類干擾為研究對象進行識別算法研究,主要工作如下:一、闡述雷達有源欺騙干擾識別的背景與意義,對該領域的國內外發(fā)展現(xiàn)狀進行詳細地描述與總結。對DRFM的結構細致地介紹,然后開展對基于DRFM的欺騙干擾產(chǎn)生原理研究。對幾種基于DRFM欺騙干擾產(chǎn)生過程以及原理細致地研究,構造這幾種干擾信號的模型。二、針對常規(guī)拖引干擾下的雷達接收信號進行研究,介紹基于時頻域可分離度(TFSD)和Rényi熵特征的常規(guī)拖引干擾識別算法。該算法通過提取SPWVD時頻圖像的兩種特征,并利用不同情況下兩種特征值的差異完成對拖引干擾的識別。提出了基于時頻圖像Zernike矩特征的常規(guī)拖引干擾識別算法,該算法運用數(shù)字圖像處理技術對時頻圖像采取一系列的預處理后,通過Zernike矩得到圖像的形狀特征組成特征參數(shù)進行分類識別。三、針對頻譜彌散(Smeared S...

【文章頁數(shù)】：86 頁

【學位級別】：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 國內外研究現(xiàn)狀
    1.3 本文主要工作與結構安排
第二章 雷達有源欺騙干擾產(chǎn)生原理
    2.1 引言
    2.2 基于DRFM的欺騙干擾產(chǎn)生機理
    2.3 基于DRFM的拖引干擾產(chǎn)生機理
        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 密集假目標干擾產(chǎn)生機理
        2.4.1 頻譜彌散(SMSP)干擾
        2.4.2 切片重構(C&I)干擾
    2.5 小結
第三章 基于時頻特征的常規(guī)干擾識別算法
    3.1 引言
    3.2 雷達接收信號SPWVD時頻圖像
        3.2.1 雷達接收信號模型
        3.2.2 雷達接收信號時頻特性分析
    3.3 基于TFSD和三階Rényi熵特征的常規(guī)拖引干擾識別
        3.3.1 時頻圖像特征提取
        3.3.2 干擾識別
        3.3.3 結論
    3.4 基于時頻圖像Zernike矩特征的常規(guī)拖引干擾識別算法
        3.4.1 時頻圖像Zernike矩特征提取
        3.4.2 支持向量機分類器
        3.4.3 干擾識別
        3.4.4 結論
    3.5 小結
第四章 基于雙譜特征的密集假目標識別算法
    4.1 引言
    4.2 雷達接收信號模型
    4.3 雷達接收信號的雙譜分析
        4.3.1 信號雙譜數(shù)學描述
        4.3.2 雷達接收信號的雙譜估計
        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 干擾識別
        4.4.4 結論
    4.5 基于二維特征譜形狀特征的識別算法
        4.5.1 時頻圖像預處理
        4.5.2 干擾識別
        4.5.3 結論
    4.6 小結
第五章 基于棧式稀疏自編碼器的雷達欺騙干擾識別
    5.1 堆棧式稀疏自動編碼器
        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習算法
    5.4 基于棧式稀疏自編碼器的常規(guī)拖引干擾識別算法
        5.4.1 時頻特征提取
        5.4.2 基于SAE的常規(guī)拖引干擾識別算法步驟
        5.4.3 實驗結果與分析
        5.4.4 結論
    5.5 基于棧式稀疏自編碼器的SMSP和 C&I干擾識別算法
        5.5.1 聯(lián)合雙譜特征提取
        5.5.2 基于SAE的干擾識別算法步驟
        5.5.3 實驗結果與分析
        5.5.4 結論
    5.6 小結
結束語
致謝
參考文獻
作者在學期間取得的學術成果



本文編號：3763522