学位论文 > 优秀研究生学位论文题录展示

密集信号条件下雷达信号分选算法

作　者: 梅桂圆
导　师: 郜丽鹏
学　校: 哈尔滨工程大学
专　业: 通信与信息系统
关键词: 聚类分选信号分选 PRI变换法
分类号: TN957.51
类　型: 硕士论文
年　份: 2011年
下　载: 52次
引　用: 0次
阅　读: 论文下载

内容摘要

在现代战争中,电子对抗所起的作用越来越大,对侦查信号的处理其好坏与否会影响电子战的胜负,其作用也显得越来越重要。由于现代战争中雷达体制多样化,战场的信号环境越来越复杂,所以对密集交叠的信号流分选其实时性和可靠性要求也越来越高。雷达信号分选是侦查引导系统的一重要组成部分。目前对雷达信号分选算法的研究比较多,传统方法主要包括试探法、统计评估技术和最近邻分类器以及参量范围匹配法、相关函数重频鉴别法等。这些算法理论成熟,应用较多,但是在密集信号环境条件下进行分选时,算法的缺点也比较突出,实时性差,可靠性低,有时甚至会出现无法分选的情况。针对目前的密集的电磁环境,在传统算法上出现了许多改进方法,这其中应用较多的就是直方图法(包括累计差直方图法CDIF和序列差直方图法SDIF)、基于平面变换的分选、聚类分析法、PRI变换法和小波变换法等。利用聚类方法来实现密集脉冲流的初分选,对脉冲流进行稀释,目前的方法比较多,本文主要研究了K-means聚类算法在雷达信号分选中的应用。利用K-means聚类算法对脉冲流进行预分选,其中除了利用常规的载频(CF)、脉宽(PW)、到达角(DOA)这三个参数外,还加入了雷达极化特征这个参数,利用极化可能的四种状态,即水平极化、垂直极化、左旋圆极化和右旋圆极化对信号进行分选。由于极化特征只有这四种状态,所以可先对其进行分选,将脉冲流稀释,这样极化参数可以看成除到达角之外又一个可靠地分选参数。利用K-means算法进行分选时,其中一个较突出的缺点就是初始聚类中心确定后,通过反复迭代,可能会出现局部最优,由于对雷达信号的分选采用了先分选极化参数,然后进行脉宽和到达角的分选,最后进行载频的分选这样一个顺序,所以不论初始聚类中心如何,在经过极化参数及到达角的分选后,通常分选结果不会陷入局部最优,即不会受噪音等的影响,通过仿真实验,也进一步得到了验证。在对密集的信号流分选统计分析后,可以发现该算法可靠性强,分选效果良好,K-means聚类算法另一个缺点就是反复迭代时间较长,这个目前还没有很好的解决,是下一步研究的重点。对于预分选后的信号流,要进行主分选。本文主要研究了相关函数重频鉴别法、直方图法及PRI变换法。相关函数重频鉴别法是PRI变换法的基础,是一种典型的主分选算法,由于利用传统的相关函数重频鉴别法对谐波的抑制较弱,所以常采取谐波压缩的方法,使谐波得到抑制。PRI变换法的基础是自相关函数法,在经过变换加入相位因子后,使谐波分量由向量表示,对其求和后向量和为零,这表示谐波得到抑制,在此基础上,针对该算法的缺点提出了两点改进,改进后基本上可以消除噪声对分选结果的影响。直方图法的改进方法即累计差直方图法(CDIF)和序列差直方图法(SDIF)本文也做了一些研究,这两方法各有优缺点。CDIF算法准确性高,可靠性好,但是运算量大,门限也不是最佳门限,若有大量脉冲丢失,会检测出谐波；SDIF算法是在CDIF算法上的改进,比CDIF算法更快,具有最佳检测门限,但是不适合PRI随机变化的信号分选。论文的最后,给出了整个的一个分选过程,预分选后对其序列检索,并进行参差识别,及对虚假信号进行处理等,仿真实验表明,算法可靠性较强,分选效果较为理想。

密集信号条件下雷达信号分选算法

内容摘要

全文目录

相似论文