CN112836104B - 一种数据库辅助自主聚类信号分选方法及系统 - Google Patents

一种数据库辅助自主聚类信号分选方法及系统 Download PDF

Info

Publication number
CN112836104B
CN112836104B CN202011643404.4A CN202011643404A CN112836104B CN 112836104 B CN112836104 B CN 112836104B CN 202011643404 A CN202011643404 A CN 202011643404A CN 112836104 B CN112836104 B CN 112836104B
Authority
CN
China
Prior art keywords
radiation source
pulse
database
description word
sorting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011643404.4A
Other languages
English (en)
Other versions
CN112836104A (zh
Inventor
黄嘉�
姚兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huanyu Yuance Electronic Technology Co ltd
Qingyuan Zhixiang Chongqing Technology Co ltd
Original Assignee
Beijing Huanyu Yuance Electronic Technology Co ltd
Qingyuan Zhixiang Chongqing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Huanyu Yuance Electronic Technology Co ltd, Qingyuan Zhixiang Chongqing Technology Co ltd filed Critical Beijing Huanyu Yuance Electronic Technology Co ltd
Priority to CN202011643404.4A priority Critical patent/CN112836104B/zh
Publication of CN112836104A publication Critical patent/CN112836104A/zh
Application granted granted Critical
Publication of CN112836104B publication Critical patent/CN112836104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种数据库辅助自主聚类信号分选方法及系统，其特征在于，包括以下内容：1)获取待分选的辐射源脉冲信号，并提取该辐射源脉冲信号的辐射源描述字；2)将各类型辐射源的辐射源描述字模板存储在数据库内；3)关联比较器将提取的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该待分选的辐射源脉冲信号进行脉冲类型的分选；4)多路FIFO存储器存储分选后对应脉冲类型的辐射源脉冲信号，本发明可以广泛应用于信号分选技术领域中。

Description

一种数据库辅助自主聚类信号分选方法及系统
技术领域
本发明是关于一种数据库辅助自主聚类信号分选方法及系统，属于信号分选技术领域。
背景技术
从密集的信号环境中截获脉冲信号后，提取脉冲的各种特征参数形成脉冲描述字(PDW)，提取的特征通常包括脉冲到达时间(TOA)、脉冲到达角(DOA)、脉冲频率(RF)、脉冲宽度(PW)和脉内调制信息等，这些特征可以通过快速算法进行估计，在脉冲捕获过程中瞬时获得，适合用于对脉冲序列进行预分选。预分选一方面可以稀释脉冲流密度，使得后续的精细分选(例如基于PRI的分选)和信号处理提高效率，另一方面也可以更迅速地识别出威胁度较高的雷达信号，并优先采取对抗措施。
在进行脉冲预分选的过程中应当充分利用先验信息，先验信息包括对于待感知信号的某些已有数据库预设的重点特征。在脉冲信号处理过程中，先验信息可以是已知信号的一种或几种特征参数，也可以是对某些特征参数所设定的感知范围，并以辐射源描述字模板的形式预存在脉冲信号处理系统的数据库中，通过将感知过程中检测到的实际脉冲描述字与已有的辐射源描述字模板进行匹配，可以将脉冲信号进行初步分类，并提取出重点信号加以优先处理。
基于模板匹配的脉冲描述字识别的一个重要性能指标是实时性，在高密度复杂信号环境下，基于脉冲描述字与多个参数进行模式匹配的方法如果采用软件方式实现，则需要巨大的运算量，甚至导致信号分选处理不能实时进行，因此，必须依靠并行的硬件结构来实现匹配的实时性。然而，现有技术中并没有采用硬件结构实现匹配实时性且预算量小的信号分选方案。
发明内容
针对上述问题，本发明的目的是提供一种预算量小且能够实现匹配实时性的数据库辅助自主聚类信号分选方法及系统。
为实现上述目的，本发明采取以下技术方案：一种数据库辅助自主聚类信号分选方法，包括以下内容：
1)获取待分选的辐射源脉冲信号，并提取该辐射源脉冲信号的辐射源描述字；
2)将各类型辐射源的辐射源描述字模板存储在数据库内；
3)关联比较器将提取的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该待分选的辐射源脉冲信号进行脉冲类型的分选；
4)多路FIFO存储器存储分选后对应脉冲类型的辐射源脉冲信号。
进一步地，所述辐射源描述字包括脉冲到达角、脉冲频率、脉冲宽度、脉冲幅度和脉内调制特征。
进一步地，所述步骤3)的具体过程为：
3.1)当该辐射源脉冲信号的辐射源描述字输入时，辐射源描述字中的每一特征参数同时进入关联比较器与数据库中各存储单元存储的N种辐射源的主要特征参数进行比较，得到N个匹配结果，进而构成一个参数匹配字；
3.2)将该辐射源描述字的所有特征参数的参数匹配字相与，得到该辐射源描述字与数据库中存储的辐射源描述字模板的脉冲匹配字，如果待分选的辐射源脉冲信号的脉冲类型与数据库中存储的辐射源描述字模板匹配，则进入步骤3.3)；否则，进入步骤3.4)；
3.3)对每一匹配的匹配结果均进行脉冲类型的分选，得到分选后对应脉冲类型的辐射源脉冲信号；
3.4)对每一不匹配的匹配结果均进行脉冲类型的分选，形成未知雷达序列。
进一步地，所述步骤3)中数据库的每一存储单元内均存储有一种辐射源的主要特征参数，辐射源的主要特征参数的参数内容与辐射源描述字相同。
进一步地，所述步骤3.1)中数据库中各存储单元存储的N种辐射源的主要特征参数为范围值。
进一步地，所述步骤3.1)中每一辐射源的主要特征参数均对应两个比较器，两比较器的输出连接一个与门，将该种结构进行组合，构成具有M×N个独立并行工作比较器的关联比较器，其中，N为辐射源的类型，M为辐射源的特征参数。
一种数据库辅助自主聚类信号分选系统，包括数据库、关联比较器和FIFO存储器；
所述数据库用于存储各类型辐射源的辐射源描述字模板；
所述关联比较器用于将提取的该辐射源脉冲信号的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该辐射源脉冲信号进行脉冲类型的分选；
所述FIFO存储器用于存储分选后对应脉冲类型的辐射源脉冲信号。
进一步地，所述数据库内设置有若干存储单元，每一所述存储单元内均存储有一种辐射源的主要特征参数。
进一步地，各所述存储单元存储的N种辐射源的主要特征参数为范围值。
进一步地，所述关联比较器内设置有M×N个独立并行工作的比较器，其中，N为辐射源的类型，M为辐射源的特征参数。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明采用硬件结构，根据实际辐射源脉冲信号的感知数据，通过设定大小两重阈值，能够解决抑制并行结构导致聚类数目分裂过多的问题，预算量小且能够实现匹配实时性。
2、与传统的基于软件比较的参数匹配算法不同，本发明利用关联比较器的并行比较特性，单周期实现对多个装订或已知特征参数辐射源脉冲信号的分选，可以广泛应用于信号分选技术领域中。
附图说明
图1是本发明方法的流程示意图；
图2是本发明方法中基于CAM的脉冲匹配法原理示意图；
图3是本发明方法中脉冲分选识别的原理示意图。
具体实施方式
以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。
如图1所示，本发明提供的数据库辅助自主聚类信号分选方法，包括以下步骤：
1)获取待分选的辐射源脉冲信号，并提取该辐射源脉冲信号的辐射源描述字(PDW)，其中，辐射源描述字(PDW)包括脉冲到达角(DOA)、脉冲频率(RF)、脉冲宽度(PW)、脉冲幅度(PA)和脉内调制特征(MC)等调制方式识别参数。
2)将各类型辐射源的辐射源描述字模板预先存储在数据库内。
3)关联比较器将提取的该辐射源脉冲信号的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该待分选的辐射源脉冲信号进行脉冲类型的分选。
由于辐射源特征的多样性以及脉冲参数测量误差的引入，使用内容可寻址存储器(CAM)进行脉冲预分选存在参数抖动与参数多值的问题。因此，对于这种情况需要使用结构更灵活的多门限多参数的关联比较器来解决，具体为：
3.1)当该辐射源脉冲信号的辐射源描述字输入时，辐射源描述字中的每一特征参数同时进入关联比较器与数据库中各存储单元存储的N种辐射源的主要特征参数(EDW)进行比较，得到N个匹配结果(‘1’或‘0’)，进而构成一个参数匹配字，其中，‘1’表示匹配，‘0’表示不匹配。如图2所示，辐射源的主要特征参数的参数内容与辐射源描述字相同，每一存储单元内均存储有一种辐射源的主要特征参数(EDW)。
3.2)将该辐射源描述字的所有特征参数的参数匹配字相与，得到该辐射源描述字与数据库中存储的辐射源描述字模板的匹配结果，即脉冲匹配字，如果待分选的辐射源脉冲信号的脉冲类型与数据库中存储的辐射源描述字模板匹配，则进入步骤3.3)；否则，进入步骤3.4)。其中，脉冲匹配字的每一比特分别指示输入的辐射源描述字与该比特位置所对应的辐射源描述字模板的匹配结果。
3.3)脉冲匹配字为1，对每一匹配的匹配结果均进行脉冲类型的分选，形成已知雷达序列，即分选后对应脉冲类型的辐射源脉冲信号。
3.4)脉冲匹配字为0，对每一不匹配的匹配结果均进行脉冲类型的分选，形成未知雷达序列。
如图2所示，对截获的待分选的辐射源脉冲信号的脉冲宽度(PW)、脉冲频率(RF)、和脉内调制特征(MC)三个特征参数进行脉冲类型的识别分选，三个特征参数的特点与匹配方式分别为：
脉冲宽度(PW)：参数提取结果为一正整数PW，数据库中存储的已知雷达的脉宽范围为[PWmin(i)，PWmax(i)]，对脉冲类型i＝1～n，若PWmin(i)＜PW＜PWmax(i)，则第i类辐射源的辐射源描述字模板的脉宽匹配通过。
脉冲频率(RF)：参数提取结果为一范围值[RF1，RF2]，数据库中存储的已知雷达的脉冲范围为[PFmin(i)，RFmax(i)]。对脉冲类型i＝1～n，若RF1＞PFmin(i)且RF2＜RFmax(i)，则第i类辐射源的辐射源描述字模板的脉冲频率匹配通过。
脉内调制特征(MC)：脉内调制特征可以采用码字的形式表示，对于脉内调制特征的匹配可以借助内容可寻址存储器完成，建立内容可寻址存储器参数库，对于输入的MC码字，内容可寻址存储器给出相应的匹配码字。
4)如图3所示，通过多路FIFO(先进先出)存储器存储分选后对应脉冲类型的辐射源脉冲信号。
上述步骤3.1)中，由于特征参数抖动和测量误差的影响，在某些情况下，对特征参数的测量结果以一个范围值来表示更加准确，而这种范围型输入参数的匹配识别也同样被关联比较器所支持，因此，数据库中各存储单元存储的N种辐射源的主要特征参数可以为范围值。例如：输入的脉冲频率(RF)的测量结果为[rf1，rf2]，辐射源描述字模板的取值范围为[rfmin，rfmax]，令第一比较器的输入为rf1＜rfmax，第二比较器的输入为rf2＞rfmin，两者结果相与作为匹配结果，当两个比较器的输出均为‘1’时，则说明输入的测量值范围与辐射源描述字模板的取值范围有部分重合，此时匹配结果输出为‘1’，即说明输入的脉冲频率(RF)与该辐射源描述字模板相匹配。
上述步骤3.1)中，关联比较器采用若干独立的比较器并行工作方式，获得输入的辐射源描述字(PDW)与数据库中的辐射源的主要特征参数(EDW)关联。与内容可寻址存储器不同的是，关联比较器所使用的辐射源的主要特征参数(EDW)允许提供参数的上限和下限值，即特征参数的取值范围。相应的，每一辐射源的主要特征参数均对应两个独立的比较器，两比较器的输出连接一个与门，将该种结构进行组合，构成关联比较器。一个可以提供N种具有M个特征参数的辐射源描述字模板的关联比较器至少需要M×N个独立并行工作的比较器。
基于上述数据库辅助自主聚类信号分选方法，本发明还提供一种数据库辅助自主聚类信号分选系统，包括数据库、关联比较器和FIFO存储器。
数据库用于存储各类型辐射源的辐射源描述字模板，其中，辐射源描述字(PDW)包括脉冲到达角(DOA)、脉冲频率(RF)、脉冲宽度(PW)、脉冲幅度(PA)和脉内调制特征(MC)等调制方式识别参数。
关联比较器用于将提取的该辐射源脉冲信号的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该辐射源脉冲信号进行脉冲类型的分选。
FIFO存储器用于存储分选后对应脉冲类型的辐射源脉冲信号。
在一个优选的实施例中，数据库内设置有若干存储单元，每一存储单元内均存储有一种辐射源的主要特征参数，辐射源的主要特征参数的参数内容与辐射源描述字相同，且各存储单元存储的N种辐射源的主要特征参数可以为范围值。
在一个优选的实施例中，关联比较器内设置有M×N个独立并行工作的比较器，其中，N为辐射源的类型，M为辐射源的特征参数。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (8)

1.一种数据库辅助自主聚类信号分选方法，其特征在于，包括以下内容：
1)获取待分选的辐射源脉冲信号，并提取该辐射源脉冲信号的辐射源描述字，所述辐射源描述字包括脉冲到达角、脉冲频率、脉冲宽度、脉冲幅度和脉内调制特征；
2)将各类型辐射源的辐射源描述字模板存储在数据库内；
3)关联比较器将提取的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该待分选的辐射源脉冲信号进行脉冲类型的分选，具体过程为：
3.1)当该辐射源脉冲信号的辐射源描述字输入时，辐射源描述字中的每一特征参数同时进入关联比较器与数据库中各存储单元存储的N种辐射源的主要特征参数进行比较，得到N个匹配结果，进而构成一个参数匹配字；
3.2)将该辐射源描述字的所有特征参数的参数匹配字相与，得到该辐射源描述字与数据库中存储的辐射源描述字模板的脉冲匹配字，如果待分选的辐射源脉冲信号的脉冲类型与数据库中存储的辐射源描述字模板匹配，则进入步骤3.3)；否则，进入步骤3.4)；
3.3)对每一匹配的匹配结果均进行脉冲类型的分选，得到分选后对应脉冲类型的辐射源脉冲信号；
3.4)对每一不匹配的匹配结果均进行脉冲类型的分选，形成未知雷达序列；
4)多路FIFO存储器存储分选后对应脉冲类型的辐射源脉冲信号。
2.如权利要求1所述的一种数据库辅助自主聚类信号分选方法，其特征在于，所述步骤3)中数据库的每一存储单元内均存储有一种辐射源的主要特征参数，辐射源的主要特征参数的参数内容与辐射源描述字相同。
3.如权利要求1所述的一种数据库辅助自主聚类信号分选方法，其特征在于，所述步骤3.1)中数据库中各存储单元存储的N种辐射源的主要特征参数为范围值。
4.如权利要求1所述的一种数据库辅助自主聚类信号分选方法，其特征在于，所述步骤3.1)中每一辐射源的主要特征参数均对应两个比较器，两比较器的输出连接一个与门，将该种结构进行组合，构成具有M×N个独立并行工作比较器的关联比较器，其中，N为辐射源的类型，M为辐射源的特征参数。
5.一种数据库辅助自主聚类信号分选系统，其特征在于，包括数据库、关联比较器和FIFO存储器；
所述数据库用于存储各类型辐射源的辐射源描述字模板；
所述关联比较器用于将提取的该辐射源脉冲信号的辐射源描述字与数据库中的辐射源描述字模板进行匹配，对该辐射源脉冲信号进行脉冲类型的分选，具体过程为：
3.1)当该辐射源脉冲信号的辐射源描述字输入时，辐射源描述字中的每一特征参数同时进入关联比较器与数据库中各存储单元存储的N种辐射源的主要特征参数进行比较，得到N个匹配结果，进而构成一个参数匹配字；
3.2)将该辐射源描述字的所有特征参数的参数匹配字相与，得到该辐射源描述字与数据库中存储的辐射源描述字模板的脉冲匹配字，如果待分选的辐射源脉冲信号的脉冲类型与数据库中存储的辐射源描述字模板匹配，则进入步骤3.3)；否则，进入步骤3.4)；
3.3)对每一匹配的匹配结果均进行脉冲类型的分选，得到分选后对应脉冲类型的辐射源脉冲信号；
3.4)对每一不匹配的匹配结果均进行脉冲类型的分选，形成未知雷达序列；
所述FIFO存储器用于存储分选后对应脉冲类型的辐射源脉冲信号；
所述辐射源描述字包括脉冲到达角、脉冲频率、脉冲宽度、脉冲幅度和脉内调制特征。
6.如权利要求5所述的一种数据库辅助自主聚类信号分选系统，其特征在于，所述数据库内设置有若干存储单元，每一所述存储单元内均存储有一种辐射源的主要特征参数。
7.如权利要求6所述的一种数据库辅助自主聚类信号分选系统，其特征在于，各所述存储单元存储的N种辐射源的主要特征参数为范围值。
8.如权利要求6所述的一种数据库辅助自主聚类信号分选系统，其特征在于，所述关联比较器内设置有M×N个独立并行工作的比较器，其中，N为辐射源的类型，M为辐射源的特征参数。
CN202011643404.4A 2020-12-31 2020-12-31 一种数据库辅助自主聚类信号分选方法及系统 Active CN112836104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011643404.4A CN112836104B (zh) 2020-12-31 2020-12-31 一种数据库辅助自主聚类信号分选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011643404.4A CN112836104B (zh) 2020-12-31 2020-12-31 一种数据库辅助自主聚类信号分选方法及系统

Publications (2)

Publication Number Publication Date
CN112836104A CN112836104A (zh) 2021-05-25
CN112836104B true CN112836104B (zh) 2023-03-14

Family

ID=75927139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011643404.4A Active CN112836104B (zh) 2020-12-31 2020-12-31 一种数据库辅助自主聚类信号分选方法及系统

Country Status (1)

Country Link
CN (1) CN112836104B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116106837A (zh) * 2023-04-10 2023-05-12 成都富元辰科技有限公司 无人机载雷达干扰模拟系统及应用

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101915608A (zh) * 2010-08-12 2010-12-15 北京寰宇声望智能科技有限公司 一种利用压力传感器提取声波信号的装置及方法
CN102879765A (zh) * 2012-09-27 2013-01-16 哈尔滨工程大学 基于聚类统计分析的快速信号分选方法
CN108562875A (zh) * 2018-04-24 2018-09-21 扬州健行电子科技有限公司 一种先验数据库匹配法对雷达信号的分选方法
CN108919193A (zh) * 2018-07-12 2018-11-30 中国船舶重工集团公司第七二四研究所 一种基于序列片段挖掘的参数捷变雷达信号分选方法
CN110188647A (zh) * 2019-05-23 2019-08-30 西安电子科技大学 一种基于变分模态分解雷达辐射源特征提取及其分类方法
CN111190146A (zh) * 2020-01-13 2020-05-22 中国船舶重工集团公司第七二四研究所 一种基于视觉图形特征的复杂信号分选方法
CN111479571A (zh) * 2017-07-21 2020-07-31 瓦里安医疗系统公司 超高剂量率辐射和治疗剂的使用方法
CN111832632A (zh) * 2020-06-28 2020-10-27 中国人民解放军战略支援部队信息工程大学 基于高次频谱对称Holder系数的雷达信号分选方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100185064A1 (en) * 2007-01-05 2010-07-22 Jadran Bandic Skin analysis methods

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101915608A (zh) * 2010-08-12 2010-12-15 北京寰宇声望智能科技有限公司 一种利用压力传感器提取声波信号的装置及方法
CN102879765A (zh) * 2012-09-27 2013-01-16 哈尔滨工程大学 基于聚类统计分析的快速信号分选方法
CN111479571A (zh) * 2017-07-21 2020-07-31 瓦里安医疗系统公司 超高剂量率辐射和治疗剂的使用方法
CN108562875A (zh) * 2018-04-24 2018-09-21 扬州健行电子科技有限公司 一种先验数据库匹配法对雷达信号的分选方法
CN108919193A (zh) * 2018-07-12 2018-11-30 中国船舶重工集团公司第七二四研究所 一种基于序列片段挖掘的参数捷变雷达信号分选方法
CN110188647A (zh) * 2019-05-23 2019-08-30 西安电子科技大学 一种基于变分模态分解雷达辐射源特征提取及其分类方法
CN111190146A (zh) * 2020-01-13 2020-05-22 中国船舶重工集团公司第七二四研究所 一种基于视觉图形特征的复杂信号分选方法
CN111832632A (zh) * 2020-06-28 2020-10-27 中国人民解放军战略支援部队信息工程大学 基于高次频谱对称Holder系数的雷达信号分选方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于序贯多目标匹配滤波器的雷达信号分选方法";吴昊 等;《航天电子对抗》;20190430;第43-47页 *

Also Published As

Publication number Publication date
CN112836104A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN112036074B (zh) 一种高脉冲密度环境下雷达信号分选方法及系统
CN109270497B (zh) 雷达脉冲信号的多维参数预分选方法
US5276772A (en) Real time adaptive probabilistic neural network system and method for data sorting
Kawalec et al. Specific emitter identification using intrapulse data
CN113721219B (zh) 一种基于多参数聚类的雷达信号分选方法和系统
CN110751121B (zh) 基于聚类与sofm的无监督雷达信号分选方法
CN106778680B (zh) 一种基于关键波段提取的高光谱图像波段选择方法及装置
KR100761795B1 (ko) 형태 구분자를 이용한 레이더 신호의 펄스반복주기 변조형태 인식 방법
CN110717540A (zh) 一种对雷达新辐射源个体的识别方法及装置
CN114019505A (zh) 一种基于pri区间信息的雷达信号分选方法及系统
CN112986925A (zh) 一种基于图像特征的雷达脉冲序列分选方法
CN112836104B (zh) 一种数据库辅助自主聚类信号分选方法及系统
Chunjie et al. Synthetic algorithm for deinterleaving radar signals in a complex environment
CN103076595B (zh) 一种多元离散雷达辐射源信号的异常类型识别方法
Du et al. Hrrp clutter rejection via one-class classifier with hausdorff distance
Matuszewski Application of clustering methods for recognition of technical objects
Ma et al. Radar working mode recognition based on hierarchical feature representation and clustering
Nguyen et al. A parallel neural network-based scheme for radar emitter recognition
CN110880012B (zh) 多侦察平台脉间捷变雷达辐射源频率信息关联方法
CN113075637B (zh) 基于脉冲描述字数据压缩的机载pd雷达信号分选方法
Jordanov et al. Sets with incomplete and missing data—NN radar signal classification
CN110426696B (zh) 一种脉冲缺损的雷达信号特征序列搜索方法
CN113447907B (zh) 一种雷达分选系统控制方法及雷达分选系统
Wang et al. Research on a New Model Structure for Unknown Radar Emitter Signal Sorting
CN111866860B (zh) 一种基于序贯的无线设备射频指纹识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant