雷达辐射源识别技术研究

在现代电子战中,辐射源识别是电子情报侦察系统(ELINT)和电子支援系统(ESM)重要功能之一。随着电子技术的飞速发展,雷达信号的体制和调制样式变得越来越多样化,信号环境也日趋复杂,使得常规的识别方法和理论很难适应实际需要,无法有效地对雷达信号进行识别,这也给雷达信号的识别研究提出了更高的要求。 近几十年来,学者们在雷达辐射源的识别方面作了大量有益的探索,提出了很多新思路和新方法,但这些方法大多都是基于较高信噪比(SNR≥10dB)、信噪比固定不变和样本数据充足的情况,很少涉及较低信噪比(SNR≥5dB)、信噪比变化和样本数据有限时的雷达辐射源识别问题。实际上,雷达信号经过空间传播和各种噪声的干扰,接受到的信号信噪比往往较低,而且信噪比也不是固定不变的。同时,由于截获信号的持续时间较短,造成样本数据不足,这将导致利用传统的辐射源分类方法识别率低下。 本文围绕着雷达信号信噪比低、信噪比变化和信号持续时间有限的特点,系统地研究了雷达发射机的相位噪声分布、信号的脉内有意调制特征提取、脉内无意调制特征提取和分类器设计这四个方面的内容,提出了新的品质优良的特征,设计了多种有效的单个分类器和组合分类器,实现了小样本、低信噪比和信噪比变化条件下的雷达辐射源型号识别和个体识别。 论文第二章首先分析了脉内无意调制产生的机理,得出发射机相位噪声是影响信号脉内无意调制的主要因素。其次,参照雷达发射机设计理论与实践,建立了发射机结构模型和发射机相位噪声等效模型,并且针对该模型进行了详细的研究,给出了发射机输出相位噪声的分布特性。 论文第三章提出了两种脉内有意调制特征提取方法。第一种方法是基于信号时频分布图像特征的提取方法,该方法把信号的时频分布当作一幅二维图像进行处理,首先采用基于最大熵的图像分割法得到信号时频分布图的边缘,然后结合改进的Hough变换算法和奇异值分解获得信号时频分布的图像特征,最后利用基于类内类间综合离散度的特征选择方法选出最优特征集。第二种方法是基于小波变换和傅立叶变换的特征提取方法,该方法首先对信号进行二次小波变换,得到信号的相位或者频率变化规律,然后对二次小波变换系数进行傅立叶变换,统计整形后的傅立叶谱峰数目和谱峰之间的相对关系,就得到可以有效的区分NS、LFM、BPSK和QPSK四类信号的特征。 论文第四章研究了雷达个体特征(脉内无意调制特征)提取技术。本章在第二章理论分析的基础上,综合利用小波变换、高阶统计量等现代信号处理理论,定义并提取了雷达辐射源时域特征、频域特征和变换域特征三类个体特征,为雷达辐射源的个体识别提供了有力的支持。 论文第五章提出了一种基于支持向量机(SVM)的辐射源识别算法。本章针对多对多