一种雷达信号模糊函数特征提取与识别方法

《一种雷达信号模糊函数特征提取与识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、50航天电子对抗第30卷第3期一种雷达信号模糊函数特征提取与识别方法邢强1，朱卫纲2，冉达1(1．装备学院研究生管理大队，北京101416；2．装备学院光电装备系，北京101416)摘要：现代雷达面向智能化、软件化、多功能与多用途方向发展，一部雷达往往具有多种工作体制与工作状态，雷达信号采用复杂的波形设计，这就使碍雷达信号的特征提取与识剐过程变得越来越困难。另外，现代电磁环境复杂，杂波、噪声干扰严重，给雷达的侦察工作带来更大的难度。基于此，提出将流形学习应用于雷达信号模糊函数的特征提取，并对其进行仿真与分析。结果验证了该方法的可行性。关键词：雷达；特征提取；识别；

2、流行学习中图分类号：TN974文献标识码：AResearchonamethodforradarsignalambiguityfunctionfeatureextractionandrecognitionXingQian91，ZhuWeigan92，RanDal(1．DepartmentofGraduateManagementofEquipmentAcademy，Beijing101416，China；2．DepartmentofOpticalandElectronicEquipmentofEquipmentAcademy，Belling101416，China)A

3、bstract：Modernradardevelopsfortheintelligent，software，multi—functionalandversatiledirection，workingwithavarietyofoperatingsystemsandstates．Theradarsignalisdesignedbysophisticatedwaveform．Asaresult，theradarsignalfeatureextractionandrecognitionprocessbecomeincreasinglydifficult．Meanwhil

4、e，moderncomplexelectromagneticenvironmentisinterferedbyclutterandnoiseseriously．Thismakesradarreconnaissanceworkbecomemoredifficult．Anuniversalmethodispresented，thatthemanifoldlearningisusedinradarsignalambiguityfunctionfeatureextractionandanalysis．Thesimulationresultsshowitsfeasibili

5、ty．Keywords：radar；featureextraction；identification；manifoldlearning0引言现代雷达向着软件化、智能化、多用途方向发展，兼有多功能、多种工作状态和工作体制；同时为了提高自身性能和抗干扰的能力，往往采用多波束或复杂的波形设计。这些特点与传统雷达信号结构的规律性不同，为雷达的侦察分析工作增加了难度[1]。研究多功能雷达信号特征提取技术是解决上述问题的有效途径。雷达信号识别是指通过对信号特征提取与分析，对雷达信号进行辐射源定位、确定参数与调制方式等属性的过程[2]。自二十世纪七十年代以来，雷达信号特征提取与

6、识别取得了一定的研究成果，有广泛应用收稿日期：2014—03—24；2014—04—24修回。作者简介：邢强(1989一)。男，硕士研究生，主要研究方向为信号处理。的特征参数匹配法，有在传统方法中融入智能因素的神经网络识别技术，还有针对现代雷达信号的脉内特征进行分析的STFT、瞬时自相关法、WD算法、小波分析、过零检测等方法D1]。这些算法中，有的简单易实现但效果不够理想，有的精度不够高，或对信号的调制方式有局限性[8]。基于此，本文提出将流形学习应用于雷达信号模糊函数特征提取与识别，并针对该方法进行了仿真分析。1流形学习的基本原理信息时代需要处理大量高维数据，从

7、数据量庞大的高维空间中获取低维流形结构数据，对高维数据结构进行约简化或者可视化处理，是一种有效的方法。如果采样的低维流形数据全部来源于同一高维欧氏空间，将采样的低维流形数据映射到非线性流形模型上，就可以观测到样本点或者其附近的数据。而流形学习2014(3)邢强，等：一种雷达信号模糊函数特征提取与识别方法51的优势就在于用低维数据结构表示高维数据空间[9]。流形学习解决了现代信号处理过程中数据量大、维数高引起的“维数灾难”与处理时间长、效果差的问题，能够进一步发现数据的本质与内在规律。可以引入拓扑学来理解流行学习。拓扑空间是拓扑学所研究的内容[10。。拓扑空间是一个

8、集合，其中