【摘要】：伴隨著電子干擾技術的發(fā)展,更加強烈的有源干擾使雷達面臨著愈加嚴峻的挑戰(zhàn)。因此在復雜多變的電子干擾環(huán)境下,使雷達系統(tǒng)在最短時間內(nèi)識別出所面臨的干擾信號類型,進而選擇出最有效的抗干擾方法進行對抗,已成為雷達抗干擾技術發(fā)展的一個重要方向。本文在現(xiàn)有理論知識和相關論文的基礎上,研究了常規(guī)的有源欺騙干擾產(chǎn)生機理及作用機理,利用多尺度分解理論,對三類拖引干擾及其混合干擾進行特征級分類識別。論文具體研究內(nèi)容如下:1.本文通過將一個相干處理周期的脈沖序列提取有效部分拼接成一維向量,彌補單個脈沖信號無法體現(xiàn)拖引干擾產(chǎn)生與實施過程本質(zhì)特點的不足,討論了一個相干處理周期中包含的脈沖回波個數(shù)對特征區(qū)分度及最后識別結果的影響,研究發(fā)現(xiàn),多回波特征級識別結果好于單個回波,且回波數(shù)越多分類識別效果越好。2.本文利用多尺度小波分解及經(jīng)驗模態(tài)分解兩種多尺度分解方法對接收到的三類拖引干擾信號預處理后進行多尺度分解,分別從小波分解得到的小波系數(shù)中提取高頻細節(jié)分量能量比、低頻逼近分量歸一化能量等小波域特征,從經(jīng)驗模態(tài)分解得到的各本征模函數(shù)中提取頻域矩偏度、矩峰度、噪聲因子等頻域特征。根據(jù)提取的特征在各干噪比下的區(qū)分度及波動性選擇性能較優(yōu)的特征作為特征庫內(nèi)特征因子,建立小型特征庫,最后利用特征庫進行拖引干擾子類型的分類識別。仿真結果表明,利用多尺度分解提取的特征可有效區(qū)分三類拖引干擾,且得到令人滿意的分類識別結果。3.本文考慮到實際中多種雷達有源欺騙干擾同時存在的情況,針對七種情況的混合信號,利用多尺度分解算法分解接收信號,提取小波系數(shù)特征及頻域特征,計算各特征在所有干噪比下的均值,建立小型混合干擾特征庫,并對干擾信號進行分類識別。仿真實驗結果表明,多尺度分解特征庫輔助對混合干擾信號識別的方法可較為有效的區(qū)分七種混合信號情況,此種方法是有效且具有實際意義的。
[Abstract]:With the development of electronic jamming technology, more intense active jamming makes radar face more severe challenges. Therefore, in the complex and changeable electronic jamming environment, the radar system can identify the type of jamming signal in the shortest time, and then choose the most effective anti-jamming method to counteract it. It has become an important direction in the development of radar anti-jamming technology. On the basis of existing theoretical knowledge and related papers, this paper studies the mechanism of generation and action of conventional active deception jamming, and uses multi-scale decomposition theory to classify and identify three kinds of towed jamming and their mixed interference. The specific contents of this paper are as follows: 1: 1. In this paper, a coherent processing period pulse sequence is segmented into a one-dimensional vector, which makes up for the fact that a single pulse signal is unable to reflect the essential characteristics of the process of generating and implementing the towing interference. The effect of the number of pulse echoes contained in a coherent processing period on the classification and the final recognition results is discussed. It is found that the recognition result of multi-echo feature level is better than that of single echo, and the more the echo number, the better the recognition effect is. 2. In this paper, two multiscale decomposition methods, multiscale wavelet decomposition and empirical mode decomposition, are used to preprocess the received three kinds of towed interference signals. The wavelet domain features such as the energy ratio of the high-frequency detail component and the normalized energy of the low-frequency approximation component are extracted from the wavelet coefficients obtained from the wavelet decomposition, and the moment skewness and kurtosis in the frequency domain are extracted from the eigenmode functions obtained by the empirical mode decomposition. The feature of noise factor in equal frequency domain. According to the distinguishing degree and volatility of the extracted features under each dry noise ratio, the feature with better performance is selected as the feature factor within the feature bank, and a small feature library is established. Finally, the feature library is used to classify and identify the types of towing interference. The simulation results show that the features extracted by multi-scale decomposition can effectively distinguish three types of towing interference and obtain satisfactory classification and recognition results. In this paper, considering the simultaneous existence of many kinds of radar active deceptive jamming in practice, the multi-scale decomposition algorithm is used to decompose the received signals and extract the wavelet coefficients and frequency domain features for the mixed signals of seven kinds of cases. The mean value of each feature under all the dry noise ratio is calculated, and the small mixed interference feature database is established, and the interference signal is classified and identified. The simulation results show that the multi-scale decomposition feature library can effectively distinguish seven kinds of mixed signals, and this method is effective and has practical significance.
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN974

【相似文獻】

相關期刊論文 前10條

1 趙嚴冰;張國兵;;雷達有源欺騙干擾的有效性分析[J];艦船電子對抗;2006年04期

2 倪建春;王寶;;有源欺騙干擾及雷達反對抗策略研究[J];艦船電子對抗;2011年03期

3 李欣;王春陽;;航跡欺騙干擾及其對抗技術的研究現(xiàn)狀與發(fā)展[J];飛航導彈;2013年08期

4 陶本仁;對抗欺騙干擾的技術途徑[J];航天電子對抗;1998年03期

5 王榮毅;對多部信號實時欺騙干擾的波段判別[J];艦船電子對抗;1998年03期

6 周穎,王雪松,魏保華;波門拖引式欺騙干擾效果的模糊綜合評判[J];航天電子對抗;2000年02期

7 胡新宇,朱偉強;對星載合成孔徑雷達欺騙干擾技術的研究[J];航天電子對抗;2005年03期

8 甘榮兵,王建國;改進的對星載SAR的應答式欺騙干擾[J];電子科技大學學報;2005年05期

9 程高峰;蔣曉瑜;陳昕;李強;;基于神經(jīng)網(wǎng)絡的雷達抗欺騙干擾方法[J];裝甲兵工程學院學報;2006年04期

10 朱燕;趙國慶;;距離目標像欺騙干擾的效果分析[J];電波科學學報;2006年01期

相關會議論文 前7條

1 呂紅麗;翟建勇;王偉;;衛(wèi)導接收機欺騙干擾威脅和反欺騙措施分析[A];第四屆中國衛(wèi)星導航學術年會論文集-S7 北斗/GNSS用戶終端技術[C];2013年

2 黃龍;唐小妹;王飛雪;;衛(wèi)星導航接收機抗欺騙干擾方法研究[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

3 李金亮;張志遠;;激光欺騙干擾設備仿真測試方法研究[A];’2004系統(tǒng)仿真技術及其應用學術交流會論文集[C];2004年

4 湯廣富;朱珍珍;劉歡;付強;;基于角閃爍特征的單脈沖抗有源欺騙干擾方法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

5 胡彥逢;曹可勁;李豹;朱銀兵;;轉發(fā)式欺騙干擾鐘差補償算法研究[A];第五屆中國衛(wèi)星導航學術年會論文集-S8 衛(wèi)星導航模型與方法[C];2014年

6 陳志勇;付耀文;黎湘;;實時SAR欺騙干擾系統(tǒng)研究[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

7 王迪;雷武虎;楊越;;SAR欺騙干擾與散射波干擾信號生成[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（上）[C];2006年

相關博士學位論文 前2條

1 田曉;雷達有源欺騙干擾綜合感知方法研究[D];電子科技大學;2013年

2 李偉;分布式星載SAR干擾與抗干擾研究[D];國防科學技術大學;2006年

相關碩士學位論文 前10條

1 賈寶京;SAR欺騙干擾抑制和目標高分辨成像方法的研究[D];燕山大學;2015年

2 符蕩;雷達抗有源欺騙干擾技術研究[D];電子科技大學;2014年

3 舒適;SAR場景欺騙干擾方法研究[D];電子科技大學;2014年

4 全霄;SAR高精細度欺騙干擾方法研究[D];電子科技大學;2014年

5 劉永才;基于卷積調(diào)制的SAR有源欺騙干擾技術[D];國防科學技術大學;2013年

6 吳健;基于波形分集的雷達抗有源欺騙干擾技術研究[D];電子科技大學;2015年

7 崔樂園;逆合成孔徑雷達欺騙干擾研究及其軟件實現(xiàn)[D];西安電子科技大學;2014年

8 趙輝;雷達組網(wǎng)信息融合及欺騙干擾技術研究[D];西安電子科技大學;2014年

9 施f ;雷達有源欺騙干擾多尺度特征級識別技術研究[D];西安電子科技大學;2014年

10 畢金亮;雷達有源欺騙干擾高效識別算法研究[D];電子科技大學;2013年

，

本文編號：2208569