雷達(dá)輻射源識(shí)別是對(duì)預(yù)分選后的脈沖進(jìn)行特征提取,并通過與數(shù)據(jù)庫中已知信號(hào)特征參數(shù)進(jìn)行對(duì)比和分析來確定輻射源種類的過程,是雷達(dá)偵察的核心任務(wù)之一。然而隨著雷達(dá)技術(shù)不斷發(fā)展,大量新體制雷達(dá)投入到裝備應(yīng)用中,信號(hào)環(huán)境日益惡劣,常規(guī)特征參數(shù)已遠(yuǎn)不能滿足現(xiàn)代作戰(zhàn)電子情報(bào)的需求。而雷達(dá)輻射源脈內(nèi)特征分析通過獲取更豐富本質(zhì)的特征參數(shù),成為雷達(dá)輻射源識(shí)別的研究熱點(diǎn)和發(fā)展趨勢(shì),對(duì)雷達(dá)輻射源識(shí)別具有重要意義。本文主要圍繞雷達(dá)輻射源脈內(nèi)特征分析與識(shí)別關(guān)鍵技術(shù)展開深入研究,針對(duì)調(diào)制識(shí)別、調(diào)制參數(shù)估計(jì)和個(gè)體識(shí)別提出了相應(yīng)地解決算法,并設(shè)計(jì)了一套雷達(dá)輻射源脈內(nèi)特征分析與識(shí)別驗(yàn)證系統(tǒng)。主要工作包括:1、針對(duì)低信噪比條件下,復(fù)雜多類雷達(dá)輻射源信號(hào)調(diào)制識(shí)別存在特征提取困難、識(shí)別正確率低的問題,提出了一種基于時(shí)頻分析和擴(kuò)張殘差網(wǎng)絡(luò)的雷達(dá)輻射源調(diào)制識(shí)別算法。該算法利用時(shí)頻變換Choi-Williams分布（CWD）將雷達(dá)輻射源信號(hào)一維時(shí)域波形轉(zhuǎn)換成二維時(shí)頻圖像,并對(duì)時(shí)頻圖像進(jìn)行預(yù)處理后,構(gòu)建擴(kuò)張殘差網(wǎng)絡(luò)來自動(dòng)提取信號(hào)時(shí)頻圖像特征,實(shí)現(xiàn)調(diào)制識(shí)別。仿真結(jié)果表明,該算法抗噪性能好、泛化能力強(qiáng),且提高了時(shí)頻圖像特征相似的類線性調(diào)頻（... 

【文章來源】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)河南省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

16類雷達(dá)輻射源信

第二章基于擴(kuò)張殘差網(wǎng)絡(luò)的雷達(dá)輻射源調(diào)制識(shí)別第13頁(e)FrankM=8(f)P1M=8(g)P2M=8(h)P3M=8(i)P4M=8(j)T1k=5(k)T2k=6(l)T3k=6(m)T4k=6(n)CostasNF=6(o)FSK/LFM(p)FSK/BPSK圖716類雷達(dá)輻射源信號(hào)的CWD時(shí)頻分布圖像2.3.2時(shí)頻圖像預(yù)處理獲得信號(hào)二維時(shí)頻圖像后，考慮原始時(shí)頻圖像受噪聲的影響不利于深層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)特征，且當(dāng)圖像尺寸太大時(shí)深層神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)太大，將導(dǎo)致網(wǎng)絡(luò)計(jì)算開銷大。為了減少噪聲的影響和規(guī)范網(wǎng)絡(luò)輸入，需要進(jìn)一步對(duì)時(shí)頻圖像進(jìn)行預(yù)處理。同時(shí)考慮到BPSK時(shí)頻脊線上呈現(xiàn)的微小起伏，F(xiàn)rank、P1、P2碼時(shí)頻脊線呈現(xiàn)出的“階梯”變化，P1、P2和P4碼兩端微弱的能量值均是區(qū)分不同調(diào)制類型信號(hào)的關(guān)鍵信息，如圖8所示。為避免過多的預(yù)處理會(huì)丟失信號(hào)時(shí)頻圖像細(xì)微信息，在圖像預(yù)處理時(shí)僅采取灰度化，開運(yùn)算和圖像重置與歸一化操作，如圖9(a)所示。(a)BPSKM=7(b)FrankM=8(c)P1M=8

戰(zhàn)略支援部隊(duì)信息工程大學(xué)碩士學(xué)位論文第14頁(d)P2M=8(e)P4M=8圖80dB時(shí)相位編碼信號(hào)的CWD時(shí)頻分布圖像（1）圖像灰度化考慮灰度圖像能夠完全保留信號(hào)的時(shí)頻分布特征，首先利用最大值最小值歸一化將信號(hào)時(shí)頻能量值E(i,j)轉(zhuǎn)化為灰度值G(i,j)()()()()(),min,,,1,2,,maxminEijEGijijNEE==(11)式中N表示CWD時(shí)頻矩陣大小，與信號(hào)樣點(diǎn)數(shù)相同。（2）圖像開運(yùn)算雖然CWD運(yùn)算時(shí)通過加窗在一定程度上改善了信噪比，但在信噪比較低時(shí)，CWD核函數(shù)將引起呈特殊細(xì)長(zhǎng)直線的進(jìn)程噪聲。開運(yùn)算是對(duì)圖像先腐蝕后膨脹的一種圖像形態(tài)學(xué)運(yùn)算，能夠有效去除細(xì)小物體、孤立噪聲。結(jié)構(gòu)元素B對(duì)灰度圖像A的腐蝕運(yùn)算和膨脹運(yùn)算定義如下()()()max,,|,BAB=Axiyj+BijijD(12)()()()min,,|,BAB=Ax+iy+jBijijD(13)其中BD是結(jié)構(gòu)元素定義域，腐蝕運(yùn)算使灰度圖像連通域收縮，能夠有效消除線狀噪聲，但是同時(shí)也會(huì)減小有效像素面積，而膨脹運(yùn)算可以增大像素面積。開運(yùn)算是在腐蝕運(yùn)算后，利用相同結(jié)構(gòu)元素的膨脹運(yùn)算來恢復(fù)灰度圖像有用像素。G1S=(GS)S(14)式中S表示結(jié)構(gòu)元素，本文選取大小為33的“方形”結(jié)構(gòu)元素對(duì)灰度圖像做開運(yùn)算以去除進(jìn)程噪聲，同時(shí)保留灰度圖像中大于結(jié)構(gòu)元素的時(shí)頻像素點(diǎn)。（3）圖像重置與歸一化由于雷達(dá)偵察接收機(jī)的采樣率一般在百兆赫茲以上，采樣獲得信號(hào)樣點(diǎn)數(shù)多，時(shí)頻變換得到的圖像尺寸大。若輸入網(wǎng)絡(luò)的圖像尺寸太大，將降低網(wǎng)絡(luò)的訓(xùn)練識(shí)別效率。因此需要重置圖像大小，其中雙三次插值算法能夠更好地保留圖像的細(xì)節(jié)質(zhì)量。本文利用雙三次插值算法將時(shí)頻圖像大小調(diào)整為224224w。但由于雙三次插值可能產(chǎn)生超出原始范圍的像素值，因此最后還需對(duì)灰度值進(jìn)行最大值最小值歸一化至[0~255]范圍內(nèi)，并轉(zhuǎn)換成unit8

【參考文獻(xiàn)】：
期刊論文
[1]基于人工蜂群算法的線性調(diào)頻信號(hào)參數(shù)估計(jì)[J]. 于曉輝,王士謙,張志成,李新波,孫曉東,石屹然.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2020(03)
[2]模糊函數(shù)主脊切面特征提取的局域差分方法[J]. 普運(yùn)偉,馬藍(lán)宇,侯文太,張?zhí)祜w.  數(shù)據(jù)采集與處理. 2019(03)
[3]一種有效的CFCR域LFM信號(hào)分析方法[J]. 荊福龍,張春杰,司偉建,王宇,焦淑紅.  西安電子科技大學(xué)學(xué)報(bào). 2019(03)
[4]一種深度強(qiáng)化學(xué)習(xí)的雷達(dá)輻射源個(gè)體識(shí)別方法[J]. 冷鵬飛,徐朝陽.  兵工學(xué)報(bào). 2018(12)
[5]模糊函數(shù)主脊切面極坐標(biāo)域形態(tài)特征提取方法[J]. 普運(yùn)偉,郭媛蒲,侯文太,馬藍(lán)宇.  儀器儀表學(xué)報(bào). 2018(10)
[6]基于DAE+CNN輻射源信號(hào)識(shí)別算法[J]. 葉文強(qiáng),俞志富,張奎.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[7]基于深度學(xué)習(xí)和集成學(xué)習(xí)的輻射源信號(hào)識(shí)別[J]. 黃穎坤,金煒東,余志斌,吳昀璞.  系統(tǒng)工程與電子技術(shù). 2018(11)
[8]導(dǎo)數(shù)約束平滑條件下基于模糊函數(shù)特征的雷達(dá)輻射源信號(hào)識(shí)別方法[J]. 許程成,周青松,張劍云,諶詩娃.  電子學(xué)報(bào). 2018(07)
[9]基于棧式稀疏自編碼器的低信噪比下低截獲概率雷達(dá)信號(hào)調(diào)制類型識(shí)別[J]. 郭立民,寇韻涵,陳濤,張明.  電子與信息學(xué)報(bào). 2018(04)
[10]一種基于高效FrFT的LFM信號(hào)檢測(cè)與參數(shù)估計(jì)快速算法[J]. 黃響,唐世陽,張林讓,谷亞彬.  電子與信息學(xué)報(bào). 2017(12)

博士論文
[1]低截獲概率雷達(dá)波形識(shí)別方法研究[D]. 張明.哈爾濱工程大學(xué) 2018
[2]低截獲概率雷達(dá)信號(hào)特征分析技術(shù)研究[D]. 田潤(rùn)瀾.吉林大學(xué) 2016
[3]復(fù)雜體制雷達(dá)信號(hào)識(shí)別與參數(shù)估計(jì)研究[D]. 朱健東.解放軍信息工程大學(xué) 2013
[4]雷達(dá)輻射源個(gè)體識(shí)別的方法研究[D]. 王磊.西安電子科技大學(xué) 2011
[5]雷達(dá)輻射源識(shí)別關(guān)鍵技術(shù)研究[D]. 劉海軍.國(guó)防科學(xué)技術(shù)大學(xué) 2010
[6]復(fù)雜體制雷達(dá)輻射源信號(hào)時(shí)頻原子特征研究[D]. 朱明.西南交通大學(xué) 2008
[7]雷達(dá)輻射源信號(hào)智能識(shí)別方法研究[D]. 張葛祥.西南交通大學(xué) 2005

碩士論文
[1]雷達(dá)信號(hào)脈內(nèi)特征分析與識(shí)別關(guān)鍵技術(shù)研究[D]. 王功明.戰(zhàn)略支援部隊(duì)信息工程大學(xué) 2019
[2]基于深度學(xué)習(xí)的雷達(dá)輻射源識(shí)別技術(shù)研究[D]. 井博軍.西安電子科技大學(xué) 2017
[3]雷達(dá)輻射源特征提取和個(gè)體識(shí)別[D]. 楊凡.西安電子科技大學(xué) 2017
[4]雷達(dá)信號(hào)的脈內(nèi)分析與識(shí)別算法研究[D]. 劉姝明.西安電子科技大學(xué) 2013
[5]基于高階統(tǒng)計(jì)量的雷達(dá)輻射源信號(hào)識(shí)別方法研究[D]. 肖樂群.解放軍信息工程大學(xué) 2012



本文編號(hào)：3099760