基于小波分解的雷达有源欺骗干扰识别

合集下载

小波变换在雷达目标识别中的应用与算法优化

小波变换在雷达目标识别中的应用与算法优化雷达目标识别是一项重要的任务，它在军事、航空航天、气象等领域具有广泛的应用。

而小波变换作为一种信号处理方法，近年来在雷达目标识别中得到了广泛的应用。

本文将介绍小波变换在雷达目标识别中的应用，并探讨相关算法的优化。

一、小波变换的基本原理及特点小波变换是一种时频分析方法，它可以将信号分解成不同频率的成分，并能够捕捉到信号的瞬时特征。

与傅里叶变换相比，小波变换具有更好的时域和频域分辨能力。

这使得小波变换在雷达目标识别中具有独特的优势。

小波变换的基本原理是通过将信号与一组小波基函数进行卷积运算，得到信号在不同频率上的分解。

小波基函数具有局部化特性，能够更好地适应信号的局部特征。

这使得小波变换在处理非平稳信号时具有较好的效果。

二、小波变换在雷达目标识别中的应用1. 目标检测与定位雷达目标识别的一个重要任务是对目标进行检测与定位。

传统的方法通常采用傅里叶变换进行频域分析，但由于雷达信号的非平稳性，傅里叶变换往往无法提供准确的目标位置信息。

而小波变换具有更好的时域分辨能力，能够更准确地定位目标。

通过对雷达信号进行小波变换，可以将信号分解成不同频率的子带。

然后，通过对子带进行能量分析或幅度谱分析，可以提取出目标的特征信息。

这些特征信息可以用于目标的检测与定位，从而实现雷达目标识别的目的。

2. 目标分类与识别目标分类与识别是雷达目标识别的另一个重要任务。

传统的方法通常采用模式识别算法，如支持向量机、人工神经网络等。

然而，这些方法通常需要大量的训练样本，并且对特征的选取十分敏感。

小波变换在目标分类与识别中具有独特的优势。

通过对雷达信号进行小波变换，可以将信号分解成不同频率的子带。

然后，通过对子带进行特征提取，可以得到一组具有较好区分能力的特征向量。

这些特征向量可以用于目标的分类与识别，从而实现雷达目标识别的目的。

三、小波变换在雷达目标识别中的算法优化尽管小波变换在雷达目标识别中具有广泛的应用，但其算法的复杂性和计算量较大，限制了其在实际应用中的效率和实时性。

基于小波包分解和特征能量提取技术的车内传导干扰源识别

１Ｃｏ．ｍｍｕｃｔｎＥｎｉ，ｎｔｕｅ，Ｊｎｎｉａｉｇ，ｉＩｓｉｔ孤ｏ￣ｎｇｔｉｔｙｇｎｅｉｇ，ＪｌｎＵｉｅｓｔ．ｎｔｕｎａｉｏｅｔｉｌＥｎｉｅｒｎｃｉｉｎｖｒｉｙ；
ＰａｋｔＤｅｏｏｉｏｎａａｔｒｓｉｅｇｔａｔｏｃｅｃｍｐｓｔｎａｄＣｈｒｃｅｉｔＥｎｒｙＥｘｒｃｉｎｉｃ
ＷｕｎｇｈｏＤｉｃａ，Ｗａ，ＭａＸｉａ＆ＧａｎｎｓｎｇＫｅｌｉｏＹｉｈａ
３ＣｎｅｅｃｎｅＪｉｎｅｓｙｈｎｅｕ１０２．ｅｔｏｓＳｉｃ，ｉｎＵｉｒｔ，ＣａｇｈｒｆＴｔｅｌｖｉｎ３０５
［ｂｔａｔＴｅｖｌｇｕｔａｉｉｏｅｌｔｃｌｑｉｍｎｉｏｅｆｈａｒｏｒｓｆｏｄｃＡｓｃ］ｈｏａｅｆｃｔｎｉｈｇｐｗｒｅｒａｅｕｐｅｔｓｎｅｍｊｕｃｎｕ— ｒｔｌｕｏｎ．ｈｅｃｉｏｔｏｓｅｏｃ
ｔｄｉｔｒｒｎｅｉｅｉｌ．Ｉｉｐｐｒｃｅｓｐｅｅｔｄｔａｒｕｈｔｅｗａｅｅａｋｔｄｃｍｐｓｉｎｏｅｎｅｅｅｃｎｖｈｃｅｎｔｓａｅ，ａｓｈｍｅｉｒｓｎｅｔｔｏｇｖｌｔｐｃｅｅｏｏｉｏｆｆｈｈｈｈｔｉｔｒｒｎｅｓｇａ，ｔｅｄｎｉｎｒａｍｅｔｏａｓｏｍｏｆｃｅｔｗｔｎｍｕｒｋａｄｔｅｅｅｔｃｉｎｏｎｅｅｅｃｉｎｆｌｈｅｏｓｇｔｔｎｆｔｎｆｒｃｅｆｉｎｓｉｍｉｉｍｉｎｎｔｘｒｔｆｉｅｒｉｈｓｈｈａｏｃａａｔｒｓｃｅｅｇ，ｔｅｃｎｕｔｄｉｔｒｅｅｃｏｒｅｎｖｈｃｅａｅｉｅｔｅ．Ｆｎｌｎｅｐｒｎｓｐｒｈｒｃｅｔｎｒｙｈｏｄｃｅｎｅｒｎｅｓｕｃｓｉｅｉｌｄｎｉｄｉｉｆｒｉｆｉａｙａｘｅｍｅｔｉｅ－ｌｉ

基于小波包数据压缩的雷达目标识别方法

基于小波包数据压缩的雷达目标识别方法
小波包数据压缩技术是一种数据压缩技术，它基于小波变换，利用小
波频率域参数调整数据，以满足压缩要求。

近年来，随着信息和传感
等技术的发展，小波包数据压缩技术在雷达目标识别中得到了广泛应用。

本文介绍了基于小波包数据压缩的雷达目标识别技术，主要包括：
1. 基础知识：小波包数据压缩技术的基本原理和优点。

2. 小波包数据压缩技术在雷达目标识别中的应用：通过分析雷达收集
的目标图像，利用小波包数据压缩技术来对图像进行压缩分析，提取
图像中的有效信号。

3. 小波包数据压缩技术的优势：有效地实现雷达目标的去噪，并减少
雷达数据量。

4. 结论：基于小波包数据压缩的雷达目标识别技术是一种高效的识别
方法，可以有效检测、识别雷达图像中的目标。

小波包数据压缩技术是获取、处理和调制雷达信号的一种重要手段，
在雷达目标识别中有着重要的作用。

因此，能够有效地利用小波包数
据压缩技术，来有效提升雷达目标识别效果，是研究人员与技术工作
者积极探索的热门课题。

基于归一化小波分解能量比的雷达有源欺骗干扰识别

Ａｂｓｔｒａｃｔ：Ｔｈｅｔｙｐｉｃａｌｇａｔｅｐｕｌｌｄｅｃｅｐｔｉｏｎｊａｍｍｉｎｇｓｉｇｎａｌｍｏｄｅｌｏｆｔｈｅｔｒａｃｋｉｎｇｒａｄａｒｉｓｅｓｔａｂ —
ＴｉａｎＸｉａｏ，ＴａｎｇＢｉｎ
（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ，６１１７３１，Ｃｈｉｎａ）
文章编号：１００４ — ９０３７（２０１３）０４ — ０４１６－０５
基于归一化小波分解能量比的雷达有源欺骗干扰识别
田晓唐斌
（电子科技大学电子工程学院，成都，６１１７３１）
ＤｅｃｅｐｔｉｏｎｊａｍｍｉｎｇｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｂａｓｅｄＯｉｌｔｈｅｐｒｏｃｅｓｓｏｆｇａｔｅｐｕｌｌｉｎｇ，ｗｈｉｃｈｇｉｖｅｓａｐｒｉｏｒｉｉｎｆｏｒｍａｔｉｏｎｔｏｔｈｅｓｅｌｅｃｔｉｏｎｏｆａｎｔｉ — ｊａｍｍｉｎｇｍｅｔｈｏｄｆｏｒｒａｄａｒｓｙｓｔｅｍ．

基于小波变换的一种多普勒雷达目标识别方法

基于小波变换的一种多普勒雷达目标识别方法
陈三宝;闫军
【期刊名称】《武汉理工大学学报（交通科学与工程版）》
【年(卷),期】2000(024)003
【摘要】雷达技术60年来取得了巨大的发展,特别是随着现代计算机技术和现代信号处理技术的成熟与发展,使雷达由参数测量向非参数测量发展.雷达对目标的识别成为新一代雷达的发展重点.文中应用小波变换技术,对多普勒体制雷达的音频信号进行分析.从其中一个距离波门获取的多普勒信号中成功地提取了目标的数量等信息.也就是取得了对目标的高分辨率.且计算速度快、数据量小.有利于实现实时信号处理.
【总页数】4页(P233-236)
【作者】陈三宝;闫军
【作者单位】武汉交通科技大学信息工程学院,武汉,430063;解放军54631部队,信阳,461003
【正文语种】中文
【中图分类】TN953
【相关文献】
1.一种基于小波变换的毫米波雷达目标识别方法 [J], 汪敏
2.基于小波变换与粗糙集的雷达目标识别方法 [J], 杜明刚;李晓漫
3.基于参数可变遗传算法的多普勒雷达目标识别方法 [J], 潘伟
4.基于微多普勒特征的外辐射源雷达目标识别方法 [J], 王文兵;李华;梁龙
5.基于小波变换的多普勒雷达目标识别 [J], 闫军;卢健;李伟
因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波包分解和残差网络的雷达干扰识别

７６４　２０２３ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇＶｏｌ５３Ｎｏ４ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２３．０４．００３引用格式：邵正途，张路，陈鹏，等．基于小波包分解和残差网络的雷达干扰识别［Ｊ］．无线电工程，２０２３，５３（４）：７６４－７７１．［ＳＨＡＯＺｈｅｎｇｔｕ，ＺＨＡＮＧＬｕ，ＣＨＥＮＰｅｎｇ，ｅｔａｌ．ＲａｄａｒＪａｍｍｉｎｇＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＷａｖｅｌｅｔｐａｃｋｅｔＤｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＲｅｓｉｄｕａｌＮｅｔｗｏｒｋ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２３，５３（４）：７６４－７７１．］基于小波包分解和残差网络的雷达干扰识别邵正途，张　路，陈　鹏，李广强（空军预警学院，湖北武汉４３００１９）摘　要：干扰样式识别是雷达抗干扰技术研究中的重要环节，为提高干扰信号分类识别精度，提出了一种基于小波包分解和残差网络相结合的干扰信号分类识别方法。

采用小波包变换对干扰信号进行分解与重构，将干扰信号分解成不同频段的小波包系数，融合各频段小波包系数构成系数矩阵得到残差网络的输入，利用多层残差网络自适应提取小波包系数矩阵深度特征，实现干扰信号分类识别。

搭建了雷达干扰信号识别试验平台，采集不同调制参数下的６类雷达干扰数据进行试验分析，结果表明，相对于直接利用干扰信号原始时域ＩＱ数据进行卷积神经网络（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＣＮＮ）识别，所提方法能够有效提高网络输入数据维度和特征提取深度，识别准确率和训练效率有明显提升。

关键词：干扰识别；小波包分解；残差网络；卷积神经网络中图分类号：ＴＮ９７４文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１００３－３１０６（２０２３）０４－０７６４－０８ＲａｄａｒＪａｍｍｉｎｇＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＷａｖｅｌｅｔｐａｃｋｅｔＤｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＲｅｓｉｄｕａｌＮｅｔｗｏｒｋＳＨＡＯＺｈｅｎｇｔｕ，ＺＨＡＮＧＬｕ，ＣＨＥＮＰｅｎｇ，ＬＩＧｕａｎｇｑｉａｎｇ（ＡｉｒＦｏｒｃｅＥａｒｌｙＷａｒｎｉｎｇＡｃａｄｅｍｙ，Ｗｕｈａｎ４３００１９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｊａｍｍｉｎｇｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｉｎｔｈｅｒｅｓｅａｒｃｈｏｆｒａｄａｒａｎｔｉｊａｍｍｉｎｇｔｅｃｈｎｏｌｏｇｙ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｏｆｊａｍｍｉｎｇｓｉｇｎａｌｓ，ａｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｏｆｊａｍｍｉｎｇｓｉｇｎａｌｓｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｒｅｓｉｄｕａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄ．Ｗａｖｅｌｅｔｐａｃｋｅｔｔｒａｎｓｆｏｒｍｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅａｎｄｒｅｃｏｎｓｔｒｕｃｔｔｈｅｊａｍｍｉｎｇｓｉｇｎａｌ．Ｔｈｅｊａｍｍｉｎｇｓｉｇｎａｌｉｓｄｅｃｏｍｐｏｓｅｄｉｎｔｏｗａｖｅｌｅｔｐａｃｋｅｔｃｏｅｆｆｉｃｉｅｎｔｓｏｆｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｙｂａｎｄｓ，ａｎｄｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｃｏｅｆｆｉｃｉｅｎｔｓｏｆｅａｃｈｆｒｅｑｕｅｎｃｙｂａｎｄａｒｅｆｕｓｅｄｔｏｆｏｒｍａｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘｔｏｏｂｔａｉｎｔｈｅｉｎｐｕｔｏｆｔｈｅｒｅｓｉｄｕａｌｎｅｔｗｏｒｋ．Ｔｈｅｍｕｌｔｉｌａｙｅｒｒｅｓｉｄｕａｌｎｅｔｗｏｒｋｉｓｕｓｅｄｔｏａｄａｐｔｉｖｅｌｙｅｘｔｒａｃｔｔｈｅｄｅｐｔｈｆｅａｔｕｒｅｓｏｆｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘｔｏｒｅａｌｉｚｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｏｆｊａｍｍｉｎｇｓｉｇｎａｌｓ．Ａｒａｄａｒｊａｍｍｉｎｇｓｉｇｎａｌｒｅｃｏｇｎｉｔｉｏｎｔｅｓｔｐｌａｔｆｏｒｍｉｓｂｕｉｌｔ，ａｎｄｓｉｘｔｙｐｅｓｏｆｒａｄａｒｊａｍｍｉｎｇｄａｔａｗｉｔｈｄｉｆｆｅｒｅｎｔｍｏｄｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓａｒｅｃｏｌｌｅｃｔｅｄｆｏｒｔｅｓｔａｎａｌｙｓｉｓ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｄｉｒｅｃｔｌｙｕｓｉｎｇｔｈｅｏｒｉｇｉｎａｌｔｉｍｅｄｏｍａｉｎＩＱｄａｔａｏｆｔｈｅｊａｍｍｉｎｇｓｉｇｎａｌｆｏｒＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ（ＣＮＮ）ｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｓｔｈｅｎｅｔｗｏｒｋｉｎｐｕｔｄａｔａｄｉｍｅｎｓｉｏｎａｎｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｄｅｐｔｈ，ａｎｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙａｎｄｔｒａｉｎｉｎｇｅｆｆｉｃｉｅｎｃｙａｒｅｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄ．Ｋｅｙｗｏｒｄｓ：ｊａｍｍｉｎｇｒｅｃｏｇｎｉｔｉｏｎ；ｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｒｅｓｉｄｕａｌｎｅｔｗｏｒｋ；ＣＮＮ收稿日期：２０２２－１０－２０基金项目：空军预警学院青年科技人才托举工程资助课题（ＴＱＧＣ－２０２１－００７）ＦｏｕｎｄａｔｉｏｎＩｔｅｍ：ＹｏｕｎｇＳｃｉｅｎｔｉｆｉｃＡｎｄＴｅｃｈｎｏｌｏｇｉｃａｌＴａｌｅｎｔｓＰｒｏｍｏｔｉｏｎＰｒｏｊｅｃｔｏｆＡｉｒＦｏｒｃｅＥａｒｌｙＷａｒｎｉｎｇＡｃａｄｅｍｙ（ＴＱＧＣ－２０２１－００７）０　引言随着现代信息化战争中高强度电磁干扰的广泛使用，雷达系统面临的各种人为或非人为干扰问题日益突出。

基于小波包变换的雷达辐射源信号识别

基于小波包变换的雷达辐射源信号识别
雷恒恒，拥军，赵韩旭，张培峰
（州信息科技学院，州４００）郑郑５０２
摘要：了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求，出一种以小波包为提
２。波包理论小
小波包的概念是Ｍ．Ｗｉｅｈｕｅ等人在小Ｖ．ｃｒａｓｒｋ
波变换的基础上进一步提出的，波包可以看成小
是函数空间逐级正交剖分的扩展。由多分辨分析
可知，小波变换只对低频部分进行分解，高频部而分不分解，高频部分的分辨率就很低。小波包故不仅在低频部分上进行正交分解，且在高频部并
ｎｕａｅｗｏｋ．Ｓｉａｉｎｅｐｒｍｅｔｒｓｌｈｗｈｔｔｅｐｏｏｅｔｏｏｌｃｅｅｇｏｅｅｒｌｎｔｒｍｕｌｔｘｅｉｎｅｕｔｓｏｔａｈｒｐｓｄｍｅｄｃｕｄａｈｉｖｏｄａ — ｏｓｈ
征、相像系数、维数、值等Ｌ３。由于小波分盒熵ｌ－Ｊ析在时域和频域都具有良好的局部特性，能对信号的任意细节进行分析，以提取信号的细微特可
征，一般以小波系数的能量和统计量为特征进故
系数的能量比和标准差为特征的算法，并采用ＢＰ神经网络进行识别。仿真实验表明，方法该能在较低的信噪比条件下取得较好的识别率。

认知智能雷达抗干扰技术综述与展望

认知智能雷达抗干扰技术综述与展望摘要：随着电磁频谱成为现代战争的关键作战域之一，战场电磁频谱优势的争夺已成为决定战争胜败的关键技术手段之一。

因此，在未来军事对抗中，现代雷达将面临日益复杂、灵巧和智能的电磁干扰环境。

特别是随着数字化技术、射频电子技术和智能化技术的快速发展，现代数字射频存储认知干扰机通过对雷达信号进行截获、存储、调制与转发，产生与真实目标回波高度相似的假目标干扰，对雷达实现“饱和式”攻击，极大降低了雷达的探测性能。

基于此，本文章对认知智能雷达抗干扰技术综述与展望进行探讨，以供相关从业人员参考。

关键词：认知智能雷达；抗干扰技术；综述；展望引言20世纪50年代，当我发现mkx(SIF)系统时，雷达开始以特定频率交换电磁脉冲，与民用飞机通信，成为民用航空交通管制系统的重要组成部分，对飞行安全起到了决定性作用。

由于雷达系统在民用航空管制中发挥越来越重要的作用，用户对其缺陷的容忍度越来越低。

总体而言，雷达系统问题可分为飞机检测错误和数据解密错误。

产生这些问题的原因还可以分为两类:系统内干扰和环境干扰。

一、干扰的形成干扰按照干扰能量可分为有源干扰和无源干扰。

其中无源干扰种类较多，一般包括箔条走廊、箔条区域、地物气象干扰、鸟群干扰、建筑干扰等等。

而有源干扰是现代电子战中的主要方式，它是敌方有意施放的，针对性强，对雷达的破坏力也强，能够直接进入雷达接收机和同时进入的回波信号进行抗衡，破坏雷达正常工作，可分为压制式和欺骗式。

压制式干扰按信号宽度可分为阻塞式、瞄准式和扫频式；按噪声调制方式可分为射频噪声干扰、噪声调幅干扰、噪声调频干扰、噪声调相干扰、随机脉冲干扰等。

欺骗式干扰包括距离欺骗、角度欺骗、速度欺骗以及距离速度同步干扰等方式。

也可以根据雷达体制进行组合干扰。

二、雷达抗干扰系统结构设计支持雷达防御的培训软件主要由培训控制软件和雷达仿真软件组成。

培训控制软件可以使用动态编辑模块处理现场培训情况，也可以使用动态控制机制模块调用已培训的动态，并通过动态解决方案生成动态数据流，通过网络发送到显示仿真软件。

基于小波能量谱和ReliefF算法的雷达辐射源无意调制特征提取

DOI: 10.11991/yykj.202002012基于小波能量谱和ReliefF 算法的雷达辐射源无意调制特征提取高鹏成，焦淑红哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150001摘要：为了获取更加有效的雷达辐射源无意调制特征并进一步降低特征的维度，以提升低信噪比下雷达辐射源个体识别的准确率，从时频分析角度出发提出了一种基于小波变换能量谱和ReliefF 算法的无意调制特征提取方法。

首先对辐射源信号进行小波变换并获取小波能量谱，然后采用ReliefF 算法对小波能量谱值进行权重分析，筛选出区分能力较强的高权重小波能量信息作为雷达辐射源的无意调制特征。

该方法将权重分析应用于特征提取中，在提升特征有效性的同时进一步降低了特征的维度。

实验结果表明：相较于传统时域和频域中的无意调制特征，基于小波能量谱和ReliefF 算法提取的无意调制特征具有低维度、强抗噪声的特点。

当信噪比大于0 dBm 时识别率达到90%以上，具有较高的工程应用价值。

关键词：雷达辐射源；小波能量谱；ReliefF 算法；权重分析；无意特征提取中图分类号：TP91 文献标志码：A 文章编号：1009−671X(2021)01−0060−06Feature extraction of unintentional modulation of radar emitter based onwavelet energy spectrum and ReliefF algorithmGAO Pengcheng, JIAO ShuhongCollege of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, ChinaAbstract : In order to obtain more effective unintentional modulation feature of radar emitter and further reduce the dimension of the feature, so as to improve the accuracy of radar emitter recognition under low SNR. In this paper, a method of feature extraction of unintentional modulation based on wavelet energy spectrum and ReliefF algorithm is proposed from the perspective of time-frequency analysis. Firstly, wavelet transform is applied to the emitter signal to obtain the wavelet energy spectrum, then the ReleifF algorithm is used to analyze the weight of wavelet energy spectrum value, and the high-weight wavelet energy information with strong discrimination ability is selected as the unintentional modulation feature of radar emitter. In this method, weight analysis is applied to feature extraction, which improves the effectiveness of the feature and further reduces dimension of the feature. The experimental results show that, compared with the traditional unintentional modulation features in traditional time domain and frequency domain, the unintentional modulation features extracted based on wavelet energy spectrum and ReliefF algorithm have low-dimension and strong anti-noise characteristics. When the signal-to-noise ratio is greater than 0 dBm, the recognition rate reaches more than 90%, and has high engineering application value.Keywords: radar emitter; wavelet energy spectrum; ReleifF algorithm; weight analysis; unintentional feature extraction雷达辐射源无意调制指的是由于辐射源自身硬件缺陷和结构上的差异使得输出信号带有的附加调制信息，不同类型的辐射源所携带的附加调制信息不同，即使是相同类型的辐射源，由于内部器件的制造工艺以及所采用器件批次的不同其所携带的附加调制信息也不尽相同[1]。

基于小波能谱熵和HMM的机载雷达故障预警技术

基于小波能谱熵和HMM的机载雷达故障预警技术摘要：预测与健康管理（prognostics and health management,PHM）技术对可靠性工程及综合保障工程的发展起到了强有力的牵引作用。

基于PHM可开展故障预警，将装备的历史故障信息、征兆及专家经验综合应用于使用维护决策。

传统观点认为电子设备的故障表现为突发性，无明显征兆，基于传统的机内测试（built-in test,BIT）架构开展故障的预测难度大，主要采用事后维修方式，表现出任务可靠性差、致命故障风险高的弊端。

机载雷达正面临该难题，尤其是雷达执行重要任务前，迫切需要故障预警技术来识别故障征兆、预测剩余寿命，给出预防性维护建议。

关键词：小波能谱熵；机载雷达近年来，国内外的基础研究发现，电子设备的间歇故障通常是其永久故障的前兆，其特征可以有效对电子设备的健康状态进行表征和评估。

美军统计数据表明，间歇故障占所有故障的50%以上，数字电路中该比例高达90%；混合电路中间歇故障发生频率是永久故障的10～30倍。

军用飞机间歇故障80%以上都是损耗型间歇故障，存在相对明确的机理、规律和损耗过程。

机载雷达随着使用强度和服役时间增加，复杂的动态应力加速了器件的老化，将微观缺陷激发出来，表现为间歇故障。

由于传统BIT基于固定的时间门限和幅值门限的检测与防虚警机制，主要是面向永久故障，而对间歇故障的瞬态信息具有滤除作用，导致难以检测间歇故障。

虽然国内外针对间歇故障的分析与建模方法较多，比如基于随机过程模型、状态空间模型等，但这些方法较难确切地给出故障强度信息，且需要大量的间歇故障先验数据支撑。

多年来，在解决装备的间歇故障检测问题方面无大的进展，尤其是针对机载雷达间歇故障检测的公开文献较少。

信息论中的熵增原理具有普适性，基于信息熵的瞬态异常信号检测技术应用较多，信息熵可用于定量描述间歇故障的强度。

可靠性工程上通常使用正态分布来近似描述元器件性能参数的随机波动。

基于小波不变矩的雷达辐射源信号识别

2020，56（19）1引言在现代战场环境中，由于复杂的电磁信号干扰，对雷达信号的识别会造成一定程度的影响，所以准确有效识别雷达辐射源信号，有着极为重要的军事意义。

传统的识别方法依据脉幅（PA ）、载频（RF ）、脉宽（PW ）、到达时间（TOA ）和到达方向（DOA ）这五种参数进行分类，但由于军事技术不断发展，传统方法已难以适应电磁环境日益复杂的现代战争，所以采用信号脉内特征进行分析和提取的新方法越来越受到重视[1-2]。

近年来，时频分析方法受到越来越多学者的欢迎，通过对信号进行时频变换，运用时频分布图来确定信号的类型，也可以进一步提取时频分布图的特征并使用神经网络或支持向量机来实现自动分类[3]。

图像的不变矩特征在图像识别上应用广泛，常用的矩阵有中心矩、Hu 矩、Zernike 矩、小波矩等[4]。

相较于Legendre 矩、伪Zernike 矩等传统的不变矩，小波不变矩可以同时得到图像的全局和局部特征，对于图像的细微特征识别效果较好。

文献[5]分别提取了雷达信号时频图像的Hu 矩特征和伪Zernike 矩特征，两种特征分类在一定信噪比条件下都能够识别信号，但在低信噪比下识别结果较差；文献[6]则利用了Legendre 矩特征对雷达信号的时频图像进行了识别，存在低信噪比的条件下，基于小波不变矩的雷达辐射源信号识别曹晓航，汪立新，束学渊杭州电子科技大学通信工程学院，杭州310018摘要：针对雷达辐射源信号识别，提出一种基于时频分布的小波不变矩特征向量提取和识别分类方法。

对雷达辐射源信号时频图像进行处理，对图像进行小波变换，提取小波矩的特征向量。

采用支持向量机分类识别的方法，对特征向量进行训练，实现信号识别。

对6种常见雷达信号进行分类，结果表明在信噪比较低的情况下也能取得较好的识别效果，在SNR 为-3dB 时，识别正确率仍达到93.9%。

关键词：时频分析；支持向量机；小波矩；雷达辐射源信号识别；图像识别文献标志码：A 中图分类号：TP 391doi ：10.3778/j.issn.1002-8331.1906-0160曹晓航，汪立新，束学渊.基于小波不变矩的雷达辐射源信号识别.计算机工程与应用，2020，56（19）：269-272.CAO Xiaohang,WANG Lixin,SHU Xueyuan.Radar emitter signal recognition based on wavelet invariant puter Engineering and Applications,2020,56（19）：269-272.Radar Emitter Signal Recognition Based on Wavelet Invariant MomentCAO Xiaohang,WANG Lixin,SHU XueyuanSchool of Communication Engineering,Hangzhou Dianzi University,Hangzhou 310018,ChinaAbstract ：To correctly classify advanced radar emitter signal,a novel approach using the feature of wavelet invariant moment which is based on time-frequency distribution is proposed.The method processes the time-frequency image of radar emitter signal.The image is transformed by wavelet transform,and the feature vector of wavelet moment is extracted.The support vector machine classification method is used to train eigenvectors for achieving signal recognition.In this paper,six kinds of common radar signals are classified.Simulation results show that better recognition results can be obtained under the condition of low signal-to-noise ratio.When SNR is -3dB,the average recognition rate still reaches more than 93.9%.Key words ：time-frequency analysis;support vector machine;wavelet moment;radar emitter signal identification;image identification基金项目：国家部委预研项目。

基于深度迁移学习的雷达有源欺骗干扰识别

基于深度迁移学习的雷达有源欺骗干扰识别基于深度迁移学习的雷达有源欺骗干扰识别摘要：随着雷达技术的不断发展，人们对雷达欺骗的威胁越来越重视。

其中，有源欺骗干扰是一种常见的攻击方式，并且难以检测。

传统的欺骗干扰检测方法主要基于统计学和模型匹配，无法适应各种复杂的欺骗干扰环境。

因此，本文提出了一种基于深度迁移学习的雷达有源欺骗干扰识别方法。

首先，我们使用一个具有良好分类性能的卷积神经网络（CNN）对原始雷达数据进行分类训练，并将其作为源领域的特征提取器。

其次，我们使用源领域CNN的特征提取器通过少量标注数据训练目标领域的分类器。

最后，我们使用所提出的方法对有源欺骗干扰进行分类，实验结果表明，所提出的方法具有较高的准确性和鲁棒性。

关键词：雷达；欺骗干扰；深度迁移学习；卷积神经网络；特征提取一、介绍雷达是一种常用的探测技术，具有广泛的应用领域。

然而，由于其工作原理，雷达容易受到各种干扰的影响，从而影响其正确性和鲁棒性。

其中，有源欺骗干扰是一种常见的攻击方式。

传统的欺骗干扰检测方法主要基于统计学和模型匹配。

其中，模型匹配方法基于雷达反射场模型，通过与模型匹配，判断是否存在欺骗干扰。

然而，由于欺骗干扰具有极强的复杂性和变异性，模型匹配方法往往难以适应各种复杂的欺骗干扰环境。

近年来，深度学习在各个领域取得了重要的研究进展。

深度学习具有良好的特征学习能力，可以对高维数据进行自动分类和识别。

因此，本文采用深度学习来解决雷达有源欺骗干扰识别问题。

本文提出了一种基于深度迁移学习的雷达有源欺骗干扰识别方法。

首先，我们使用一个具有良好分类性能的卷积神经网络（CNN）对原始雷达数据进行分类训练，并将其作为源领域的特征提取器。

其次，我们使用源领域CNN的特征提取器通过少量标注数据训练目标领域的分类器。

最后，我们使用所提出的方法对有源欺骗干扰进行分类。

实验结果表明，所提出的方法具有较高的准确性和鲁棒性。

二、深度迁移学习深度迁移学习（Deep Transfer Learning）是将深度学习技术和迁移学习思想相结合的一种方法。

一种基于盲源分离的阵列雷达抗欺骗式干扰方法[发明专利]

专利名称：一种基于盲源分离的阵列雷达抗欺骗式干扰方法专利类型：发明专利
发明人：杨小鹏,高升,于智超,王祯,曾涛,龙腾
申请号：CN202110619582.1
申请日：20210603
公开号：CN114114163A
公开日：
20220301
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于盲源分离的阵列雷达抗欺骗式干扰方法，本发明在盲源分离技术基础上，结合接收信号的波达角度信息，即通过盲源分离恢复激励阵列天线的多源信号波形能够有效实现干扰和目标的分离，再利用干扰辨识技术有效提取目标信号。

该方法能够对盲源分离后各信号通道进行干扰辨识，自适应地对欺骗式干扰进行抑制。

从仿真结果来看，本发明对与密集假目标干扰和转发式切片干扰等新型欺骗式干扰有显著得抗干扰效果。

申请人：北京理工大学
地址：100081 北京市海淀区中关村南大街5号
国籍：CN
代理机构：北京理工大学专利中心
代理人：代丽
更多信息请下载全文后查看。

小波分解在雷达抗速度欺骗干扰中的运用

小波分解在雷达抗速度欺骗干扰中的运用
陈浩;何明浩;毛五星
【期刊名称】《空军预警学院学报》
【年(卷),期】2006(020)001
【摘要】基于速度波门拖引干扰的信号模型,提出了一种基于小波分解的抗速度波门拖引干扰的方法.通过对目标多普勒回波信号进行小波分解,选取适当的阈值,滤除波门拖引的调频部分,并对回波信号进行小波重构修正,得到消除干扰的回波信号,由此进行运动目标跟踪检测.仿真结果表明,此方法是可行的.
【总页数】3页(P31-33)
【作者】陈浩;何明浩;毛五星
【作者单位】空军雷达学院研究生管理大队,武汉,430019;空军雷达学院电子对抗系,武汉,430019;空军雷达学院电子对抗系,武汉,430019
【正文语种】中文
【中图分类】TN973
【相关文献】
1.雷达组网抗距离-速度欺骗复合干扰技术研究 [J], 孙殿星;王国宏;贺达超;杨忠
2.基于归一化小波分解能量比的雷达有源欺骗干扰识别 [J], 田晓;唐斌
3.Kohonen网络用于雷达抗速度欺骗干扰中的特征提取 [J], 李建勋;秦江敏;马晓岩
4.PD雷达抗距离-速度同步拖引欺骗干扰技术研究 [J], 张少峰
5.跟踪雷达抗速度欺骗干扰方法研究 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。

基于双谱分析的雷达有源欺骗干扰识别

基于双谱分析的雷达有源欺骗干扰识别杨兴宇;阮怀林【摘要】In order to enhance the tracking radar operational effectiveness,a recognition algorithm was proposed based on bispectrum analysis in allusion to heavy calculation and narrow range of the major three types of decep-tion jamming identification.In this method,bispectrum analysis of received radar signal under four kinds of jam-ming was given firstly,and after a series of dimensionality reduction and normalization,a three-dimensional fea-ture information was turned into two-dimensional feature information.which were calculated as the feature vec-tor for signal recognition.Box-counting and entropy were calculated as the feature of a two-dimension feature spectrum which constituted feature vector for signal recognition.Experimental results showed that the proposed approach could achieve satisfying recognition and its identification rate was over 90% when the signal-to-noise ratio is 4 dB,its identification rate was over 100% when the signal-to-noise ratio was 6 dB,Particularly the method was less affected by SNR.%针对跟踪雷达的三种常见欺骗干扰识别算法计算量大,使用范围较窄等问题,提出了基于双谱分析的识别算法.该算法对受到干扰与否的四种情况下的雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,对得到的二维特征谱提取熵特征和盒维数组成特征参数集放入分类器中进行分类识别.仿真实验表明,在 SNR=4 dB时,三种干扰的识别率均大于90%,在 SNR=6 dB时,三种干扰的识别率均接近100%.证明了该方法有较高的识别率,特别是该方法受信噪比影响较少,能够有效降低噪声对干扰识别的影响.通过与其他文献方法进行比较,证明了该方法的优越性.【期刊名称】《探测与控制学报》【年(卷),期】2018(040)002【总页数】6页(P122-127)【关键词】欺骗干扰;干扰识别;双谱分析;盒维数;熵特征;特征提取【作者】杨兴宇;阮怀林【作者单位】国防科技大学电子对抗学院,安徽合肥230037;国防科技大学电子对抗学院,安徽合肥230037【正文语种】中文【中图分类】TN9740 引言随着电子技术的迅猛发展，电子干扰与抗干扰之间的博弈越来越激烈，电磁频谱权的争夺成为了现代电子战中决定胜负的关键，雷达对抗战也随之越来越重要。

基于小波奇异值与SVM的GNSS欺骗干扰识别技术

基于小波奇异值与SVM的GNSS欺骗干扰识别技术
张洋;仇佳吟;冯少憧
【期刊名称】《通信技术》
【年(卷),期】2022(55)4
【摘要】随着无人机管制技术的迅速发展,全球导航卫星系统(Global Navigation Satellite System,GNSS)欺骗干扰信号日益增多,严重威胁卫星导航安全。

对GNSS欺骗干扰信号识别技术进行了研究,提出了基于小波奇异值与支持向量机(Support Vector Machine,SVM)的GNSS欺骗干扰信号识别算法,搭建了仿真模型并进行了仿真测试验证,最后分析比较了基于北斗导航系统的欺骗干扰识别技术和基于载噪比与经纬度的欺骗干扰识别技术。

结果表明,基于小波奇异值和SVM的GNSS欺骗干扰信号识别算法能够有效提高识别准确率,识别准确率可达90%。

【总页数】5页(P468-472)
【关键词】全球导航卫星系统;小波奇异值;支持向量机;信号识别
【作者】张洋;仇佳吟;冯少憧
【作者单位】天维讯达(上海)通信科技有限公司
【正文语种】中文
【中图分类】TP183
【相关文献】
1.一种基于小波奇异值检测的鱼雷电磁引信目标信号特征识别方法
2.一种基于小波奇异值分解的仿生模式虹膜识别算法
3.基于小波多尺度奇异值分解的人脸识别
4.
基于奇异值分解和小波神经网络的人脸识别5.基于小波和奇异值理论的西安钟楼模态参数识别
因版权原因，仅展示原文概要，查看原文内容请购买。

雷达欺骗干扰特征提取与综合感知方法综述

雷达欺骗干扰特征提取与综合感知方法综述李艳莉;田晓;韦顺军【期刊名称】《电讯技术》【年(卷),期】2018(058)004【摘要】雷达欺骗干扰的特征提取和综合感知是雷达抗干扰的前提条件,也是雷达抗欺骗干扰工作流程中的难点问题.从干扰机无意调制的细微特征、信号起伏特性、极化特征、动力学特性、微多普勒特征、组网雷达特性、多尺度分解特征、多域变换特性等方面综述了雷达欺骗干扰特征提取和综合感知方法的研究进展,总结了各种欺骗干扰感知方法的约束条件、运算量和识别性能,最后,指出了目前雷达欺骗干扰的特征提取和综合感知技术存在的问题以及未来的发展方向.%The feature extraction and integrated sensing of radar deception jamming are the precondition for radar anti-jamming.It is a difficult problem that must be solved in practical application of radar anti-jam-ming workflows.This paper reviews the radar deception jamming feature extraction and integrated sensing methods including the jammer unintentional modulation features,signal fluctuation characteristics,polariza-tion features,micro-Doppler characteristics,dynamics characteristics,networking radar characteristics, multi-scale decomposition features,multi-domain transformation characteristics and so on.It discusses the latest developments of relative algorithms and the constraint conditions,the computational complexities and the recognition performance of the radar deception jamming integrated sensing.Finally,it points out the ma-jorproblems and the future developments of feature extraction and integrated sensing technology of radar deception jamming.【总页数】10页(P483-492)【作者】李艳莉;田晓;韦顺军【作者单位】电子科技大学成都学院,成都611731;中国西南电子技术研究所,成都610036;电子科技大学信息与通信工程学院,成都611731【正文语种】中文【中图分类】TN973【相关文献】1.雷达抗应答式欺骗干扰中的特征提取研究 [J], 李建勋;秦江敏;马晓岩2.基于时频图像特征提取的LFM雷达有源欺骗干扰识别 [J], 杨少奇;田波;李欣;谭铭3.基于原子分解理论的雷达欺骗式干扰信号特征提取 [J], 孙闽红;唐斌4.基于压缩感知理论的逆合成孔径雷达抗欺骗干扰方法 [J], 高磊;王福志;郑光勇5.雷达抗欺骗式干扰信号特征提取方法 [J], 闫海;李国辉;李建勋因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波脊线特征提取的雷达辐射源信号识别

基于小波脊线特征提取的雷达辐射源信号识别孟凡杰;唐宏;王义哲【摘要】针对在低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种基于小波脊线特征提取的雷达辐射源信号脉内调制方式识别方法.该方法使用新的改进Morlet小波提取信号瞬时频率,变换后提取其二次特征用于分类识别.计算机仿真结果表明本方法提取的特征向量具有良好的识别能力,在2 dB的低信噪比条件下,平均识别率可达到90％以上,通过与现有方法进行对比仿真验证了本算法在低信噪比环境下的优越性.【期刊名称】《弹箭与制导学报》【年(卷),期】2016(036)006【总页数】5页(P132-136)【关键词】雷达辐射源信号识别;小波脊线;瞬时频率;特征提取【作者】孟凡杰;唐宏;王义哲【作者单位】空军工程大学防空反导学院,西安710051;空军工程大学防空反导学院,西安710051;空军工程大学防空反导学院,西安710051【正文语种】中文【中图分类】TN974雷达辐射源信号识别是电子侦察和对抗领域的关键环节,快速、准确的雷达辐射源识别对获得现代电子战的主动权至关重要,具有重大的研究意义。

其中,基于脉内调制特征的识别方法解决了常规参数空间交叠的问题,使复杂体制雷达信号的识别成为可能。

瞬时频率作为脉内调制特征的一种能够反映信号在每一时刻的频率变化,与其他特征相比抗干扰性能更好,是非平稳信号处理领域研究的重点,许多学者在雷达信号瞬时频率提取方面做了深入研究,并提出了基于瞬时频率的雷达辐射源信号识别[1-3],提高了分类识别效率。

但总的来看,这些方法对噪声敏感,在低信噪比环境中识别效果下降明显,难以适应现代战场的复杂电磁环境,实用价值不高,需要进一步改进。

小波分析[4]是处理非平稳信号的新兴工具,它将信号分解为一系列经平移和伸缩变换的小波函数的叠加,实现了不同分解水平下的多尺度分析。

利用小波分析方法提取的小波脊线是信号瞬时频率的良好估计,可以将其用于雷达辐射源信号识别[5-6]。