發(fā)布時(shí)間：2017-08-16 22:27

  本文關(guān)鍵詞：雷達(dá)輻射源脈內(nèi)無意調(diào)制特征提取及識別

  更多相關(guān)文章： 脈內(nèi)無意調(diào)制特征 頻率漂移 相位噪聲 自適應(yīng)分?jǐn)?shù)階譜圖 曲線特征提取 雙譜正反對角切片

【摘要】：從近年來的戰(zhàn)爭形式上看,雷達(dá)對抗成為戰(zhàn)場電子對抗的主導(dǎo)力量,作為雷達(dá)對抗中至關(guān)重要的一部分,雷達(dá)偵察技術(shù)的先進(jìn)程度甚至可以決定一場戰(zhàn)爭的勝敗,輻射源識別則是雷達(dá)偵察中最重要的一部分。由于雷達(dá)發(fā)射機(jī)的不穩(wěn)定的個(gè)性特征,信號源會附帶有能表征其發(fā)射機(jī)特性的“指紋特征”,即脈內(nèi)無意調(diào)制特征。本文主要研究了加入頻率漂移和相位噪聲無意調(diào)制特征的信號源建模、頻率漂移無意調(diào)制特征提取、相位噪聲無意調(diào)制特征提取以及分類識別方法來完成對雷達(dá)輻射源無意調(diào)制特征提取及識別。首先,對雷達(dá)發(fā)射機(jī)的輻射源的無意調(diào)制特征形成的原理進(jìn)行研究,在理想信號源的基礎(chǔ)上加入無意調(diào)制特征,該部分的無意調(diào)制特征主要包括頻率漂移和相位噪聲兩種,完成信號源的建模。在信道部分,采用高斯白噪聲信道。其次,研究利用自適應(yīng)分?jǐn)?shù)階譜圖法對信號進(jìn)行時(shí)頻分析的原理,分析了其相對于傳統(tǒng)的時(shí)頻分析方法的優(yōu)勢,實(shí)驗(yàn)結(jié)果證明了AFS對單分量線性調(diào)頻信號和多分量線性調(diào)頻信號中間時(shí)刻頻率估值誤差小于3%,并且具有分離多分量非線性調(diào)頻信號方面的優(yōu)勢。對于有頻率漂移無意調(diào)制特征的信號源,間隔相同時(shí)間,對信號進(jìn)行偵察,用自適應(yīng)分?jǐn)?shù)階譜圖法分析各個(gè)時(shí)刻信號源的時(shí)頻分布特性,提取出特征頻率點(diǎn)組合成一條曲線,然后對曲線進(jìn)行特征提取,仿真結(jié)果表明了采用的曲線特征提取方法的有效性。接下來,研究用希爾伯特黃變換方法對加入簡單相位噪聲的信號源進(jìn)行相位噪聲和有用信號分離的原理,對其結(jié)果進(jìn)行了分析。而對于加入復(fù)雜相位噪聲無意調(diào)制特征的信號源,用雙譜正反對角切片聯(lián)合特征分析方法進(jìn)行無意調(diào)制特征提取,并分析了其相對于雙譜方法的優(yōu)勢。用主成分分析方法對得到的雙譜切片特征進(jìn)行了降維處理以提高識別效率。最后在本課題研究背景下,對比了支持向量機(jī)方法和BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)方法識別性能。對上述方法得到的雷達(dá)輻射源的頻率漂移曲線特征和經(jīng)過降維的雙譜正反對角切片聯(lián)合特征,用性能較好的支持向量機(jī)分類識別方法完成了雷達(dá)輻射源的識別,當(dāng)信噪比為15 d B時(shí),有頻率漂移的輻射源正確識別概率可達(dá)99.17%,有相位噪聲的輻射源正確識別概率可達(dá)100%。
【關(guān)鍵詞】：脈內(nèi)無意調(diào)制特征 頻率漂移 相位噪聲 自適應(yīng)分?jǐn)?shù)階譜圖 曲線特征提取 雙譜正反對角切片
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN974
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-19
• 1.1 課題背景及研究的目的和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀及分析10-17
• 1.2.1 特征參數(shù)提取研究現(xiàn)狀10-14
• 1.2.2 脈內(nèi)無意調(diào)制特征的參數(shù)提取研究現(xiàn)狀14-17
• 1.2.3 雷達(dá)輻射源分類識別方法研究現(xiàn)狀17
• 1.3 本文的主要研究內(nèi)容17-19
• 第2章 信號源建模19-27
• 2.1 雷達(dá)輻射源無意調(diào)制特征形成原因分析19-21
• 2.1.1 頻率漂移無意調(diào)制特征形成原因分析20
• 2.1.2 相位噪聲無意調(diào)制特征形成原因分析20-21
• 2.2 信號源模型建立原理21-26
• 2.2.1 頻率漂移無意調(diào)制特征模型建立原理21-23
• 2.2.2 相位噪聲無意調(diào)制特征模型建立原理23-26
• 2.3 本章小結(jié)26-27
• 第3章 加入頻率漂移無意調(diào)制特征的輻射源特征提取27-46
• 3.1 傳統(tǒng)的時(shí)頻分析方法原理27-28
• 3.1.1 WVD分析方法原理27-28
• 3.1.2 分?jǐn)?shù)階傅里葉變換分析方法原理28
• 3.2 基于自適應(yīng)分?jǐn)?shù)階譜圖法的特征提取原理28-32
• 3.2.1 時(shí)頻分布提取29-30
• 3.2.2 信號分量提取30-32
• 3.3 曲線特征提取算法原理32-36
• 3.3.1 曲線特征提取原理33-34
• 3.3.2 橫向伸縮特征值不變性證明34-36
• 3.4 基于AFS和曲線特征提取方法的仿真實(shí)驗(yàn)36-45
• 3.5 本章小結(jié)45-46
• 第4章 加入相位噪聲無意調(diào)制特征的輻射源特征提取46-59
• 4.1 基于HHT的簡單相位噪聲無意調(diào)制特征提取原理46-50
• 4.1.1 IMF概念46-47
• 4.1.2 EMD分解方法47-49
• 4.1.3 用Hilbert變換求信號瞬時(shí)頻率49-50
• 4.2 基于雙譜切片的復(fù)雜相位噪聲無意調(diào)制特征提取原理50-54
• 4.2.1 雙譜切片特征提取50-52
• 4.2.2 基于PCA的特征降維52-54
• 4.3 基于HHT和雙譜正反對角切片的特征提取仿真實(shí)驗(yàn)54-58
• 4.4 本章小結(jié)58-59
• 第5章 雷達(dá)輻射源的分類識別59-70
• 5.1 基于支持向量機(jī)分類識別方法原理59-63
• 5.1.1 SVM原理59-61
• 5.1.2 核函數(shù)61-63
• 5.2 基于BP神經(jīng)網(wǎng)絡(luò)分類識別方法原理63-67
• 5.2.1 BP神經(jīng)網(wǎng)絡(luò)分類器63-66
• 5.2.2 BP神經(jīng)網(wǎng)絡(luò)的算法流程66-67
• 5.3 基于支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的分類識別性能仿真實(shí)驗(yàn)67-69
• 5.4 本章小結(jié)69-70
• 結(jié)論70-71
• 參考文獻(xiàn)71-76
• 攻讀碩士學(xué)位期間發(fā)表的論文及其他成果76-78
• 致謝78

【引證文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 張葛祥;胡來招;金煒東;;雷達(dá)輻射源信號分形特征研究[A];現(xiàn)代通信理論與信號處理進(jìn)展——2003年通信理論與信號處理年會論文集[C];2003年

，

本文編號：685895