復(fù)雜電磁環(huán)境下,信號高度密集會(huì)導(dǎo)致現(xiàn)有雷達(dá)信號分選方法準(zhǔn)確性和時(shí)效性降低。針對這一問題,提出了一種基于脈沖熵值的雷達(dá)信號分區(qū)分選方法。采用雷達(dá)信號脈沖重復(fù)周期作為信號區(qū)分標(biāo)志,對雷達(dá)信號序列按時(shí)間分區(qū)后分別計(jì)算脈沖熵值,并依據(jù)分區(qū)脈沖熵值對信號分區(qū)排序,逐步對分區(qū)信號使用改進(jìn)的SDIF方法分選,實(shí)現(xiàn)對整體信號由簡單到復(fù)雜的分選。給出了信號分選成功率和分選效率計(jì)算方法,仿真計(jì)算表明新的算法可以提高分選識別正確率和實(shí)時(shí)性。 

【文章來源】：中國電子科學(xué)研究院學(xué)報(bào). 2020年01期 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 分區(qū)分選算流程

使用MATLAB R2014軟件進(jìn)行200次蒙特卡洛仿真，圖2和圖3給出了本文方法和傳統(tǒng)SDIF算法平均分選成功率和平均耗時(shí)(s)隨信號數(shù)量增加時(shí)變化。由圖2可以看出，當(dāng)信號數(shù)量超過20時(shí)，傳統(tǒng)的SDIF分選算法分選成功率開始急劇下降，而本文算法分選成功率變化則相對緩慢;由圖3可以看出，當(dāng)信號數(shù)量超過20時(shí)，傳統(tǒng)的SDIF分選算法分選耗時(shí)開始迅速上升，而本文算法分選耗時(shí)變化則相對緩慢。由仿真結(jié)果可見，本文方法不僅減少了對高密度信號分選計(jì)算量，提高了分選實(shí)時(shí)性，而且提高了分選成功率。

由圖2可以看出，當(dāng)信號數(shù)量超過20時(shí)，傳統(tǒng)的SDIF分選算法分選成功率開始急劇下降，而本文算法分選成功率變化則相對緩慢;由圖3可以看出，當(dāng)信號數(shù)量超過20時(shí)，傳統(tǒng)的SDIF分選算法分選耗時(shí)開始迅速上升，而本文算法分選耗時(shí)變化則相對緩慢。由仿真結(jié)果可見，本文方法不僅減少了對高密度信號分選計(jì)算量，提高了分選實(shí)時(shí)性，而且提高了分選成功率。3結(jié)語

【參考文獻(xiàn)】：
期刊論文
[1]一種基于熵值的雷達(dá)信號環(huán)境分級方法[J]. 陳行勇,張殿宗.  電子信息對抗技術(shù). 2018(03)
[2]熵特征在雷達(dá)信號分選中的應(yīng)用[J]. 梁華東,徐慶.  空軍預(yù)警學(xué)院學(xué)報(bào). 2015(01)
[3]基于改進(jìn)相似熵的參數(shù)交疊雷達(dá)信號分選[J]. 馮明月,何明浩,王冰切,張?jiān)l(fā).  電子信息對抗技術(shù). 2013(04)
[4]基于快速支持向量聚類和相似熵的多參雷達(dá)信號分選方法[J]. 王世強(qiáng),張登福,畢篤彥,雍霄駒.  電子與信息學(xué)報(bào). 2011(11)
[5]基于PRI熵的雷達(dá)信號聚類方法研究[J]. 孫盼杰,劉剛,王杰.  電子信息對抗技術(shù). 2008(01)
[6]基于熵特征的雷達(dá)輻射源信號識別[J]. 張葛祥,胡來招,金煒東.  電波科學(xué)學(xué)報(bào). 2005(04)
[7]基于負(fù)熵最大化FastICA算法的雷達(dá)信號分選[J]. 李廣彪,張劍云.  艦船電子對抗. 2005(03)



本文編號：2954026