低截獲概率(Low Probability of Intercept,LPI)雷達(dá)波形識(shí)別是電子偵察領(lǐng)域的重要分支,是獲得非合作方雷達(dá)信息的重要手段。在戰(zhàn)場(chǎng)上及時(shí)對(duì)非合作方LPI雷達(dá)波形進(jìn)行識(shí)別,提取LPI雷達(dá)的關(guān)鍵信息,有助于我方提出合適的對(duì)抗決策,對(duì)提高目標(biāo)的跟蹤和打擊的成功率起關(guān)鍵作用,具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文針對(duì)LPI雷達(dá)的多信號(hào)分離,以及分離后波形的識(shí)別方法進(jìn)行研究。波形識(shí)別方法從波形特征以及波形結(jié)構(gòu)兩個(gè)方面,分別采用特征提取和深度學(xué)習(xí)算法對(duì)LPI雷達(dá)波形進(jìn)行識(shí)別,提高了在較低信噪比(Signal-to-noise ratio,SNR)條件下的波形識(shí)別成功率(Ratio of Successful Recognition,RSR)。論文主要做了以下幾方面的工作:首先,在混疊信號(hào)的分離過(guò)程中,針對(duì)于單天線情況,提出了基于橢球基序列(Discrete Prolate Spheroidal Sequence,DPSS)和霍夫變換(Hough Transform,HT)的聯(lián)合分離方法。該方法采用DPSS作為短時(shí)傅里葉變換(Short Time Fourier Transform,STFT)的窗函數(shù),有效降低多線性調(diào)頻信號(hào)(Multiple Linear Frequency Modulation,MLFM)在STFT之后的噪聲干擾,使得MLFM信號(hào)能在時(shí)頻圖像中更容易的被霍夫變換所區(qū)分,提升了在低信噪比下對(duì)MLFM信號(hào)的分離效果。仿真實(shí)驗(yàn)表明,聯(lián)合方法能在SNR-20dB的條件下對(duì)MLFM信號(hào)的有效分離。針對(duì)于多天線情況,提出了基于單源點(diǎn)檢測(cè)(Single Source Points Detection,SSPD)和子空間投影(Subspace Projection,SP)的聯(lián)合分離方法。該方法不再局限于信號(hào)類型,單源點(diǎn)檢測(cè)算法依靠不同種類的波形在時(shí)頻域的稀疏性,完成對(duì)信號(hào)的混合矩陣進(jìn)行估計(jì)。子空間投影算法則依據(jù)估計(jì)的混合矩陣,對(duì)混合信號(hào)進(jìn)行重構(gòu)。仿真實(shí)驗(yàn)表明,聯(lián)合方法在不同種類的波形混合條件下,對(duì)混合矩陣估計(jì)以及波形重構(gòu)都具有良好的性能。其次,在針對(duì)頻率調(diào)制類、二進(jìn)制相移鍵控信號(hào)(Binary Phase Shift Keying,BPSK)和多相碼類的識(shí)別研究中,提出了基于波形特征的識(shí)別方法。該方法采用特征提取以及基于主從結(jié)構(gòu)的Elman神經(jīng)網(wǎng)絡(luò)分類器對(duì)LPI雷達(dá)波形進(jìn)行識(shí)別。Elman神經(jīng)網(wǎng)絡(luò)是一種帶有層間反饋的神經(jīng)網(wǎng)絡(luò),比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)有更好的穩(wěn)定性。分類器采用主從結(jié)構(gòu),完整的分類器由兩個(gè)子分類網(wǎng)絡(luò)構(gòu)成,每個(gè)子分類網(wǎng)絡(luò)負(fù)責(zé)分類不同的波形,降低了每個(gè)子分類網(wǎng)絡(luò)的訓(xùn)練時(shí)間與訓(xùn)練復(fù)雜度,提升了分類器的可靠性與抗干擾性。同時(shí)采用了新的特征,優(yōu)化了提取流程。與傳統(tǒng)方法相比,不需要過(guò)多的先驗(yàn)信息,并且所提取的特征有著更為優(yōu)秀的穩(wěn)定性。仿真實(shí)驗(yàn)表明,該方法能對(duì)包括線性調(diào)頻信號(hào)(Linear Frequency Modulation,LFM)、BPSK、Costas信號(hào)、Frank碼以及P1-P4碼在內(nèi)的8種波形進(jìn)行識(shí)別,在信噪比為0dB的條件下,總的識(shí)別成功率達(dá)到97%。最后,在針對(duì)頻率調(diào)制類、BPSK和多時(shí)碼類的識(shí)別研究中,提出了基于信號(hào)結(jié)構(gòu)的識(shí)別方法。該方法采用了一種新的分類器——CNN-EntropyRBM分類器。此分類器不再需要人工提取特征,特征提取過(guò)程可以在分類器的訓(xùn)練過(guò)程中自動(dòng)完成。訓(xùn)練過(guò)程中,采用了基于信息熵理論的神經(jīng)元優(yōu)化算法,按照傳輸信息最大原則確定分類器隱藏連接層的神經(jīng)元數(shù)目,提高了分類器的準(zhǔn)確性。仿真實(shí)驗(yàn)表明,該分類器能對(duì)包括LFM、BPSK、Costas以及T1-T4碼在內(nèi)的7種波形進(jìn)行識(shí)別,在信噪比為0dB的條件下,總識(shí)別成功率在96%以上。針對(duì)頻率調(diào)制類、多相碼類和多時(shí)碼類共同存在的識(shí)別研究中,給出了基于波形特征與結(jié)構(gòu)的聯(lián)合識(shí)別方法。該方法結(jié)合了特征識(shí)別與結(jié)構(gòu)識(shí)別的優(yōu)點(diǎn),可以滿足包括LFM、BPSK、Costas、Frank碼、P1-P4碼以及T1-T4碼的聯(lián)合識(shí)別要求,仿真實(shí)驗(yàn)表明,在信噪比為0dB的條件下,聯(lián)合識(shí)別方法對(duì)上述12種波形的總識(shí)別成功率超過(guò)93%。綜上所述,本文為L(zhǎng)PI雷達(dá)波形識(shí)別提供了新的方法,提高了在低信噪比條件下的識(shí)別成功率,增加了可識(shí)別的LPI雷達(dá)波形的種類,具有較強(qiáng)的實(shí)用價(jià)值。
【學(xué)位單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：TN957.51;TN971
【部分圖文】：

研究?jī)?nèi)

圖 2.2 差分三角形Fig.2.2 The differential triangleostas 序列，依靠公式(2-6)略顯 三 角 形 是 一 個(gè) 直 觀 有 效 的構(gòu)造差分三角形。首先將序列

圖2.21分別為L(zhǎng)FM、Costas、BPSK、Frank、P1-P4碼以及T1(2)-T4(2)碼對(duì)應(yīng)的Choi-Williams變換Fig.2.21Thefiguresshowdifferentwaveformclasses,whichincludingLFM,Costas,BPSK,Frank,P1-P4
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀珍;張領(lǐng)軍;劉富強(qiáng);;雷達(dá)波形與抗干擾[J];航天電子對(duì)抗;2011年04期

2 袁永斌,徐繼麟,黃香馥;一種混沌雷達(dá)波形的模糊函數(shù)[J];電子科學(xué)學(xué)刊;1998年05期

3 A.J.布魯克海姆;P.G.湯姆林森;吉承燦;;復(fù)雜的雷達(dá)波形、陣列和信號(hào)處理之剖析[J];雷達(dá)與對(duì)抗;1989年01期

4 A.J.Bruckheim ;P.G.Tomlinson;馮榮林;;復(fù)雜雷達(dá)波形、陣列和處理、展望[J];現(xiàn)代雷達(dá);1989年01期

5 王鵬;張曉麗;孟令媛;高靜;;適于彈載平臺(tái)的正交多載波雷達(dá)波形設(shè)計(jì)[J];火力與指揮控制;2016年08期

6 金天祥;潘繼飛;唐績(jī);朱永成;;基于小波包的雷達(dá)波形設(shè)計(jì)與性能分析[J];現(xiàn)代雷達(dá);2018年01期

7 彭智慧;林明;;一種新型組合低截獲雷達(dá)波形研究[J];計(jì)算機(jī)仿真;2014年03期

8 張仕元;倪菁;張飚;;雷達(dá)波形的水印技術(shù)[J];航天電子對(duì)抗;2009年03期

9 張華睿;楊宏文;郁文賢;;多目標(biāo)跟蹤時(shí)的雷達(dá)波形調(diào)度問(wèn)題[J];雷達(dá)科學(xué)與技術(shù);2012年06期

10 王小念;黨立坤;張建科;;反數(shù)字儲(chǔ)頻干擾雷達(dá)波形設(shè)計(jì)研究[J];火控雷達(dá)技術(shù);2009年04期

相關(guān)博士學(xué)位論文 前10條

1 張明;低截獲概率雷達(dá)波形識(shí)別方法研究[D];哈爾濱工程大學(xué);2018年

2 臧會(huì)凱;MIMO雷達(dá)波形設(shè)計(jì)、應(yīng)用及分布式相參發(fā)射研究[D];西安電子科技大學(xué);2017年

3 黃瓊丹;復(fù)雜調(diào)制雷達(dá)波形設(shè)計(jì)與信號(hào)處理研究[D];西北工業(yè)大學(xué);2016年

4 王洪雁;MIMO雷達(dá)波形優(yōu)化[D];西安電子科技大學(xué);2012年

5 王彬;認(rèn)知雷達(dá)波形優(yōu)化設(shè)計(jì)研究[D];東北大學(xué);2011年

6 李玉翔;知識(shí)輔助的MIMO雷達(dá)波形設(shè)計(jì)技術(shù)研究[D];解放軍信息工程大學(xué);2017年

7 張宇;MIMO雷達(dá)波形設(shè)計(jì)及信號(hào)處理相關(guān)技術(shù)研究[D];南京理工大學(xué);2011年

8 劉韻佛;面向任務(wù)的MIMO雷達(dá)波形設(shè)計(jì)方法研究[D];西安電子科技大學(xué);2013年

9 孫穎;MIMO與認(rèn)知雷達(dá)波形設(shè)計(jì)理論與算法研究[D];電子科技大學(xué);2014年

10 鞏朋成;MIMO雷達(dá)波形優(yōu)化與參數(shù)估計(jì)方法研究[D];電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李楊;多模式軟件化雷達(dá)波形產(chǎn)生的技術(shù)研究[D];電子科技大學(xué);2013年

2 楊文芳;基于信息論的雷達(dá)波形設(shè)計(jì)研究[D];東北大學(xué);2013年

3 張亞璇;混沌雷達(dá)波形設(shè)計(jì)及弱信號(hào)檢測(cè)研究[D];電子科技大學(xué);2015年

4 樊世杰;多模式雷達(dá)波形系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

5 張榮文;制導(dǎo)雷達(dá)波形分集與捷變抗干擾技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

6 韓金夢(mèng);基于凸優(yōu)化理論的MIMO雷達(dá)波形設(shè)計(jì)方法研究[D];吉林大學(xué);2017年

7 徐倩;雷達(dá)波形產(chǎn)生系統(tǒng)的幅相失真校正技術(shù)研究[D];電子科技大學(xué);2015年

8 劉嵩;MIMO雷達(dá)波形設(shè)計(jì)及參數(shù)估計(jì)研究[D];南京理工大學(xué);2013年

9 吳雪松;抗靈巧干擾雷達(dá)波形設(shè)計(jì)[D];電子科技大學(xué);2016年

10 李慧敏;頻掃三坐標(biāo)雷達(dá)波形產(chǎn)生研究[D];電子科技大學(xué);2004年

本文編號(hào)：2843944