基于机器学习的雷达信号分选和目标识别（论文阅读学习记录—持续记录）
机器学习在雷达信号分选技术上的应用包括信号分离、确定脉冲参数、形成单部雷达脉冲序列，然后针对雷达目标识别进行分类并划分威胁程度等。在一维距离像识别过程中包括去噪和雷达目标型号识别。该论文（学习内容）重点研究了机器学习中的聚类技术以及目标识别技术，以满足我国的电子对抗等领域的需求。
电子侦察是指通过雷达发射信号去搜索和截获敌方的电子系统发出的电磁辐射信息以获得对方的相关战术或设备信息，及时作出相对应的防御策略或发出干扰信息。雷达信号分选技术、识别技术是雷达侦查信号处理系统的关键环节。
雷达信号分选精度是判断一个雷达信号处理系统性能的重要指标。
雷达信号处理系统得到天线截获的混叠信号然后将进行去交错，将不同雷达的脉冲序列分离，并对脉冲序列的调制方式进行识别，进一步对雷达辐射源型号进行识别，然后做出威胁评估等级再做相应的预防措施和干扰。
雷达高分辨一维距离像（HRRP）指雷达信号发射后通过散射中心向后散射在径向方向上占据多个连续的距离单元，通过回波信号矢量叠加形成的投影分布。
目前人们将人工智能和机器学习加入到雷达工作模式识别中以提高识别正确率。最常用的两种机器学习识别法一个是基于参数估计的雷达辐射源及工作模式识别，一个是基于句法的雷达辐射源和工作模式识别。
（1）参数估计法识别雷达工作模式
（2）句法识别雷达工作模式
基础知识介绍
雷达信号分选技术是指将这些按到达时间组成的交叠脉冲流进行去噪、去干扰并分离出每部雷达的信号脉冲流，对每部雷达根据其得到的脉冲流来获得该雷达的相关参数的一个过程。
雷达信号脉内参数（ PDW）：
1、到达时间TOA
一个雷达脉冲有上升沿和下降沿，脉冲到达时间是指侦查系统接收一个脉冲上升沿到达的时间点，TOA 是脉冲参数中最直接的参数，一些其他的脉内参数或脉间参数需要通过 T
OA 进行计算可得，所以 TOA 也是最重要的一个雷达脉冲参数。脉冲到达时间一般可直接在侦查系统天线端直接获得。仿真实验时一般先仿真脉冲 TOA，在 TOA 的基础上增加其它脉冲参数。
2、到达角 DOA
DOA 是和雷达目标位置和辐射源位置密切相关的重要参数。DOA 一般不受雷达自身的影响，且在短短几毫秒内不可能发生较大的改变。因为雷达如机载雷达等一般不可能特别快的改变其相对于雷达的位置，所以到达角一般来说对于雷达信号分选是最重要、最可信的参数之一。但现实存在的问题是，得到精确 DOA 参数又需要非常高的硬件成本。
3、雷达频率 RF
现代的雷达脉冲频率变化形式变化多样，主要有常规频率、频率分集、频率捷变等等。频率捷变目的是提高雷达抗干扰能力和对敌方目标检测能力。一般情况下，实验所说的雷达频率是指雷达的中心频率并不需要分布频谱特征。雷达频率也是雷达信号分选的重要参数之一。捷变雷达由于其信号频率捷变范围较大，所以一般的分选方法已不适用。
4、脉冲宽度 PW
脉冲宽度是指雷达脉冲信号冲到最大值所维持的时间。雷达脉冲宽度一般对雷达工作具有重要的作用，不同功能的雷达的 PW 值都不一样，一般常规雷达的 PW 值为，雷达告警器一般为 ，威胁雷达的脉宽为 ，非威胁雷达脉宽>1.5ms。但雷达脉冲宽度受多径效应影响容易失真。
5、脉冲幅度PA（较容易失真，所以不选用）
6、脉内调制参数 PM
一般的雷达脉冲描述字都是普通常规的雷达参数。在现在雷达信号密集且交叠严重，雷达干扰技术和抗干扰技术飞速发展的时刻，脉内调制参数用于雷达信号分选将大大提高信号分选正确率。脉内调制一般包括相位调制、频率调制、脉宽调制和幅度调制等。
雷达信号脉间参数
信号分选也可根据脉冲序列的变化规律来进行去交错。
1、脉冲重复周期 PRI
脉冲重复周期也可以用脉冲重复频率（Pulse Repetition Frequency ，PRF）表示，后者指雷达每秒发出或接收的脉冲个数，用 f 表示。脉冲重复间隔是雷达信号分选中一个特别重要的参数，原因如下：
a、雷达目标距离计算是通过雷达发射信号到信号返回所用的时间乘以光速除以 2，所以在该雷达信号返回之前雷达是不能再次发射信号的，实验将这称为雷达回波测距的单值性。
b、雷达信号分析过程中，短时间内雷达脉冲积累数目越多，雷达回波信号的信噪比也会相应提高。因此，脉冲重复频率的增大也有利于增大信噪比。
一维距离像介绍
基于机器学习的雷达信号分选和目标识别（论文阅读学习记录—持续记录）相关推荐
- 《基于机器学习的雷达辐射源分选与识别技术研究》论文解读
<基于机器学习的雷达辐射源分选与识别技术研究>论文解读 Data:2023-2-04 Ref: 李雪琼, "基于机器学习的雷达辐射源分选与识别技术研究," PhD Th ...
- m基于matlab的雷达信号分选技术研究,包括PRI分选器以及SDIF法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 雷达信号分选是电子侦察的重要组成部分,主要包括预分选和主分选两个步骤.对于预分选包括已知雷达辐射源的 ...
- m基于matlab的雷达信号分选技术研究,包括时域瞬时自相关法,频域复倒频分析法,调制域过零检测法,时频小波变换法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 随着现代信息对抗领域的发展,对雷达侦察系统的性能要求也越来越高,雷达信号分选技术在侦察系统中的应用也 ...
- 基于迁移深度学习的雷达信号分选识别
基于迁移深度学习的雷达信号分选识别 人工智能技术与咨询 来源:<软件学报> ,作者王功明等 摘要: 针对当前雷达信号分选识别算法普遍存在的低信噪比下识别能力差.特征参数提取困难.分类器模型 ...
- 以pri为处理参数的雷达信号分选
雷达信号分选是电子侦察的重要组成部分,主要包括预分选和主分选两个步骤.对于预分选包括已知雷达辐射源的匹配扣除,初步的信号分类等:其目的是为了稀释脉冲流,使得后续的处理更加简单.在预分选阶段,可使用DO ...
- 泛读：基于机器学习的雷达辐射源识别方法综述
基本思路 雷达辐射源识别是通过分析处理截获的敌方雷达信号,获取敌方雷达的工作参数和信号特征参数,通过与已知雷达数据库进行对比,判断雷达的型号.工作模式.位置.以前多用参数匹配法直接利用测量获得的信号特 ...
- 基于TI毫米波雷达IWR1642的多目标识别与定位
我们在拿到IWR1642评估板后,可以尝试实现一下TI官方提供的基于IWR1642毫米波雷达的多目标识别Demo. 在使用前我们需要进行定制化的参数配置,如下图所示 主要需要配置的参数如下图所示 在完 ...
- matlab 雷达信号分选 聚类_毫米波雷达信号产生和分析方案
原标题:毫米波雷达信号产生和分析方案 汽车毫米波雷达收发系统主要包括发射机测试.接收机性能测试.以及抗干扰性能测试,发射机需要信号分析设备评估雷达发射信号的性能指标.接收机需要信号源模拟回波,从FMC ...
- 信号分选c语言,一种新的雷达信号分选方法
用E1表示fIF1的均值,将(fIF1一E1)大于零的部分再做归一化处理,这种去均值并提取正值的处理方式,将使fIF1长度缩短并使不同类信号的fIF1结构发生不同程度的变化.这种变化上的差异,有利于信 ...
最新文章
- Bioinformatics|基于知识图谱嵌入的药物靶标发现
- 用tftp 下载／更新ios和配置文件
- java基本数据类型与封装类 示例_Java零基础系列教程10Java抽象与封装
- python利用有道词典翻译_使用Python从有道词典网页获取单词翻译
- Java架构师成长之道之计算机组成原理组成篇
- Java 错误：找不到或无法加载主类（源文件中含有包名 package）
- excel查找重复数据
- 应广单片机规格 应广MCU锂电池充电IC
- python制作表白神器_用Python做一个520表白神器，值得收藏
- 微软的奥尔良项目简介
- CSS进阶（2）- 块级格式化上下文
- 微服务架构实战第八节 微服务安全框架，认证与授权
- Redis集群模式源码分析
- 2018年中国500强排行榜
- css之 vertical-align用法详解
- 视频会议系统结构逻辑
- 【宝物志】门店运营内容分享 第二十四期
- finecms前台任意文件上传——getshell
- 微信聊天记录导出工具WeChatExporter开源啦！
- JavaSE小项目(小游戏)