CN113219415A - 一种基于包络指纹特征的干扰源个体识别方法 - Google Patents
一种基于包络指纹特征的干扰源个体识别方法 Download PDFInfo
- Publication number
- CN113219415A CN113219415A CN202110499480.0A CN202110499480A CN113219415A CN 113219415 A CN113219415 A CN 113219415A CN 202110499480 A CN202110499480 A CN 202110499480A CN 113219415 A CN113219415 A CN 113219415A
- Authority
- CN
- China
- Prior art keywords
- envelope
- interference
- fingerprint
- radar
- signal
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于包络指纹特征的干扰源个体识别方法,属于目标识别技术领域。包括如下步骤:1)建立雷达干扰源信号模型;2)建立无线信道的仿真模型;3)提取雷达干扰源信号包络的前沿特征作为辐射源个体识别的指纹特征;4)重复3),提取每个雷达干扰源信号的包络前沿特征,建立包络指纹特征库;5)对雷达回波进行处理,得到标准雷达回波的包络指纹特征;6)对有源干扰信号进行识别,将其分类为压制性干扰和欺骗性干扰;7)接收并分析6)识别出的欺骗性干扰的回波包络指纹,且与4)包络指纹特征库中的包络指纹比对。所述方法简单且方便;为电子系统设计提供科学依据,同时也增加了识别效率。
Description
技术领域
本申请涉及一种基于包络指纹特征的干扰源个体识别方法,属于目标识别技术领域。
背景技术
雷达干扰模式识别,是指雷达在受到干扰信号影响时,提取信号的特征并进行判断,从而得知未知干扰信号的类型,便于后续采取相应的抗干扰手段,保证己方雷达能够正常工作。传统的雷达干扰识别方式,一种是根据获得的先验信息,运用概率学知识,建立统计模型,结合雷达操作手对雷达显示界面的观察,凭借主观经验来判别受到干扰的类型,该方法本质上是一种基于操作手经验的极大似然准则干扰识别算法,不仅计算量大,而且检测结果主要依赖操作手的经验,可靠性不高。另一种是基于特征提取的干扰识别算法,该算法是从不同种类干扰信号的产生机理出发,将干扰信号变换到多个变换域,分析其特征差异,并提取特征参数,建立各种干扰信号特征参数的数据库。当干扰信号到来时,运用分类识别模型对干扰信号进行识别,这种方法避免了人工识别的主观性,识别结果更加可靠。
雷达有源干扰的自适应检测识别是后续采取抗干扰手段的先决条件,但目前大部分的雷达都不具备自适应干扰识别的能力,为后续自动选取合适的抗干扰手段带来了困难。实现雷达干扰类型的自动判别,能够有效保证雷达正常进行战场工作,大幅提高雷达战场生存能力,确保己方受到影响达到最小。因此,各国研究的重点越来越多的放在雷达的自适应干扰识别上。基于特征参数提取的雷达智能化干扰识别方法,首先对样本干扰信号提取特征参数并建立干扰特征库,当未知干扰信号到来时,将未知信号的特征参数与干扰特征库进行比对,便可以采用分类器来判断干扰类型。基于特征提取的干扰识别算法是目前运用最为广泛的识别方法,针对部分干扰的识别效果很好,但在一部分场合存在局限性。
雷达信号的无意调制特征是指由雷达内部的各种元器件的非理想因素引起的一种调制形式,此调制形式是非人为所加入的,也称为辐射源的“指纹特征”。雷达信号的指纹特征作为识别雷达辐射源信号个体的重要依据,是雷达对抗中研究的热点之一。同一型号发射机内部器件(如频率振荡源、AD转换器、功率放大器等)在工作状态下都会输出非线性的调制特征,而功率放大器是无意调制的主要来源。在这种非线性的调制状态下,会导致同一型号的不同器件对信号进行调制时发生不同程度的失真,使得信号间出现细微的差异。例如,辐射源信号包络的上升沿时间、下降时间、相位噪声特征以及频率抖动等等,这些具有差异性的细微特征正是实现辐射源个体识别的关键所在。
无意调制包括:(1)附带调幅:是指信号的波形偏离理想波形,附带调幅易受信道噪声、杂波干扰及多径效应的影响。(2)附带调相:是指信号的相位偏离理想的相位,围绕着理想频率发生偏移。附带调相通常被称为相位噪声,在实际信号环境中受噪声环境影响较小。而附带调幅对信道的“干净”程度要求较高,其稳定性远不如附带调相。辐射源个体的指纹特征具有普遍性、稳定性、唯一性和可测性的特点。由于雷达发射机内部各种元器件的非理想因素,导致了雷达信号个体间产生细微差异性的包络波形指纹特征,脉冲包络波形不再是理想矩形,包含了丰富的非线性特征,主要表现为:脉冲的上升时间会变长;脉冲的顶部会发生降落;下降时间会变长。利用该指纹特征能实现干扰源的个体识别,这也是本申请识别有源干扰类型的初衷。
发明内容
本发明的目的在于针对雷达信号个体间细微差异性导致波形指纹特征不再是理想矩形,利用该波形指纹特征能实现干扰源的个体识别,提出了一种基于包络指纹特征的干扰源个体识别方法。
为了实现本发明的目的,详细技术方案如下:
步骤1、建立雷达干扰源信号模型;
步骤2、建立无线信道的仿真模型;
步骤3、提取雷达干扰源信号包络的前沿特征作为辐射源个体识别的指纹特征;
步骤4、重复步骤3,提取每个雷达干扰源信号的包络前沿特征,建立包络指纹特征库;
步骤5、对雷达回波进行处理,得到标准雷达回波的包络指纹特征,具体为:
步骤5.1雷达发射机发射波形并将波形辐射出去,照射空中悬挂的标准角反射体;
步骤5.2雷达接收机把步骤5.1辐射的信号采集回来,得到理想点目标回波,并形成雷达包络指纹;
其中,理想点目标回波包含了雷达发射机、接收机以及传输信道的非理想调制;雷达包络指纹通过对回波信号进行预处理、特征提取及特征降维后得到,且该指纹特征为雷达发射机一次调制引起的,而非干扰机对信号进行二次调制而引起的包络指纹;
步骤6、对有源干扰信号进行识别,将其分类为压制性干扰和欺骗性干扰,具体为:
步骤6.1、对有源干扰信号进行信号预处理,得到预处理后信号;
步骤6.2、经步骤6.1后的预处理后信号进行特征提取和降维,输出降维后信号;
步骤6.3、经步骤6.2特征提取和降维后的信号识别为压制性干扰或欺骗性干扰;
步骤7、接收并分析步骤6识别出的欺骗性干扰的回波包络指纹,且与步骤4包络指纹特征库中的包络指纹比对,具体为:
步骤7.1、针对欺骗性干扰依据波形指纹特征进行特征提取和降维,得到降维后信号;
其中,波形指纹特征包括相位噪声、包络波形特性及非线性效应;
步骤7.2、对经步骤7.1降维后的信号进行分类,输出欺骗性干扰的干扰源类型;
其中,欺骗性干扰源类型为N个。
有益效果
所述一种基于包络指纹特征的干扰源个体识别方法,与现有技术相比,具有如下有益效果:
1.针对雷达信号个体间细微差异性导致波形指纹特征不再是理想矩形,包含了丰富的非线性特征,而基于包络指纹特征的识别,具有简单且方便的优势;
2.在现代战场环境中,雷达信号通过发射机发射具有唯一性的指纹特征,信号通过信道传输最后返回到雷达,其中的无线信道建模是电磁波传输系统必不可少的组成部分,为电子系统设计提供科学依据,同时也增加了识别效率。
附图说明
图1是本发明一种基于包络指纹特征的干扰源个体识别方法的流程图;
图2是本发明一种基于包络指纹特征的干扰源个体识别方法具体实施时理想雷达发射波形发生畸变前后的示意图;
图3为干扰源信号经不同信道后输出的不同包络波形指纹特征的信道输出结果;
图4是本发明一种基于包络指纹特征的干扰源个体识别方法具体实施时AWGN信道的识别示意图;
图5是本发明一种基于包络指纹特征的干扰源个体识别方法具体实施时单径莱斯信道的识别示意图;
图6是本发明一种基于包络指纹特征的干扰源个体识别方法具体实施时对多径莱斯信道的识别示意图。
具体实施方式
下面结合附图及具体实施例对本发明所述的一种基于包络指纹特征的干扰源个体识别方法进行详细阐述。
实施例1
本实施例阐述了AWGN信道下进行基于包络波形的指纹特征的干扰源个体识别,具体为:通过提取脉冲包络前沿作为不同个体间区分特征,进而实现个体识别;
具体实施时,如图1所示。包括如下步骤:
步骤A、建立雷达干扰源信号模型;
步骤A建模的原因是发射机内部元器件的固有属性及其他非理想因素的影响,导致脉冲包络波形不再是理想矩形,包含了丰富的非线性特征:脉冲的上升时间会变长;脉冲的顶部会发生降落;下降时间会变长;如图2所示。
图2中理想情况下的雷达发射波形表达F(t)=A(t)·S(t)由于无意调制的影响,包络将发生畸变,F(t)为包络波形发生畸变后的信号,A(t)表示为辐射源信号的包络特性函数,理想情况下是矩形函数;图2为雷达信号包络波形对比,图中左边为理想矩形波,右边为脉冲包络在空间传输的过程中,会受到多径效应和加性噪声等因素共同影响,必然会引起不同程度的失真,其中多径效应对包络波形的影响是最大的;一些学者研究发现脉冲包络参数中受多径效应影响最小的是脉冲包络前沿。
步骤B、建立无线信道的仿真模型;只有正确建立了无线信道的仿真模型,才能为电子系统设计提供科学依据;具体实施时,可将信道建模为AWGN信道及莱斯信道,再依据信道特性,研究对雷达辐射源信号包络指纹特征的影响;
信道建模具体为:若需要建模AWGN信道,则通过内置函数awgn实现;若需建模莱斯信道,则通过Matlab中ricianchan内置函数构建单径莱斯信道;
具体实施时,基于前述干扰源及信道建模,得到3种含不同包络波形指纹特征的信道输出结果如图3所示。
步骤C、提取雷达干扰源信号包络的前沿特征作为辐射源个体识别的指纹特征;
步骤D、重复步骤C,提取每个雷达干扰源信号的包络前沿特征,建立包络指纹特征库;
步骤C和步骤D,具体实施时,提取每个雷达干扰源信号的包络前沿特征,具体为:
步骤CD.1)小波去噪处理;
为了准确地提取出辐射源信号的包络前沿特征,在对信号做进一步分析之前,需要将采样信号进行去噪处理;小波去噪是一个基于小波分解基础上的一种有效的降噪手段;常见的小波去噪方法有:小波分解与重构法、小波阈值去噪法、平移不变量法和小波变换模极大值法,其中小波阈值去噪方法实现简单,是众多小波去噪方法中应用最为广泛的一种,小波阈值去噪的流程为:
首先,选择合适的基小波和分解尺度对含噪信号S(n)进行小波分解,得到一组小波系数wj,k。然后选择合适的阈值函数,对wj,k进行阈值处理,去除不同层的误差信号,得到一组新的小波系数最后,将经过阈值处理后的信号进行重构,组成滤波后的信号S(n)',最终达到去噪的目的;
步骤CD.2)脉冲包络波形提取;
步骤CD.3)滑窗平均处理,输出包络前沿特征,即指纹,再重复步骤CD.1)、步骤CD.2)以及步骤CD.3)得到包络指纹库;
步骤CD.3)但是在低信噪比的条件下,单纯利用小波变换进行降噪,其效果是有限的。因此,在小波去噪的基础上,进一步利用滑窗平均的处理的方式,能够达到更好的滤波效果;
步骤E、对雷达回波进行处理,得到标准雷达回波的包络指纹特征,具体为:
雷达发射机发射不同辐射源的波形辐射出去,照射空中悬挂的标准角反射体;接收机接收所述来自不同辐射源头的信号,然而不同时刻的采集会造成采样波形起始点位置不同,雷达接收机采集这些信号,得到理想点目标回波,并形成雷达包络指纹;
步骤F、对有源干扰信号进行识别,将其分类为压制性干扰和欺骗性干扰,具体为:
步骤F.1、对有源干扰信号进行信号预处理,得到预处理后信号,具体为:对接收的信号先进行位置对齐,在对齐的基础上再计算相似度,输出预处理后信号,即相似度误差小的有源干扰信号;采用曲线拟合的上升沿第一个过冲点顶部为基准的方法进行位置对齐,该方法运算简单,但在复杂的噪声环境下,第一个过冲点顶部位置估计会发严重的位置偏移,进而导致相似度的运算出现大的误差;
步骤F.1操作的原因是:如果将包络模板库的波形与接收信号的包络直接进行比较,在起始点没有对准的情况下,即使是两个同一辐射源进行匹配运算,所得到的相似度也会被误判,造成信号的虚警;
步骤F.2、经步骤F.1后的预处理后信号进行特征提取和降维,输出降维后信号;
其中,特征提取和降维,具体采用模板比对实现;
则Δdi=|E(i)-M(i)|;Δdi为位置对齐后,接收信号包络与模板波形第i个位置幅值的绝对差,能够直接反映出两波形幅值情况变化,再得到差异幅度的均值:其中,取包络模板波形第一个过冲点顶部采样点的位置数;D可以作为两波形相似度判断的一个参数;经过模板比对后,然后通过互相关实现对接收信号与模板信号的位置校准,输出特征提取和降维后的信号;
步骤F.3、经步骤F.2特征提取和降维后的信号识别为压制性干扰或欺骗性干扰;
步骤G、接收并分析步骤F识别出的欺骗性干扰的回波包络指纹,且与步骤4包络指纹特征库中的包络指纹比对,具体为:
步骤G.1、针对欺骗性干扰依据波形指纹特征进行特征提取和降维,得到降维后信号;
其中,波形指纹特征包括相位噪声、包络波形特性及非线性效应;
步骤G.2、对经步骤G.1降维后的信号进行分类,输出欺骗性干扰的干扰源类型;
其中,欺骗性干扰源类型为N个;
具体实施时,利用包络的上升沿幅值特性差异,通过K-means聚类算法来实现对辐射源个体的识别,即根据相似度划分为K类,使得类内中的数据有较高的相似度、较低的类间的相似度;但同时K-means聚类算法对初始值的设置非常敏感,不同的初始值会导致聚类结果有较大的差异性;
为克服初始值设置的缺点,本文基于先验信息的包络波形库,提出在特定JNR条件下,分别得到3种辐射源与回波模板包络差异幅度的均值为C1、C2与C3,并将其作为初始值。包络波形指纹参数设置如表1所示。
表1包络波形指纹参数设置
基于包络波形指纹特征参数设置如表1所示。
经过组合去噪,考虑在JNR=10dB条件下的选择回波信号的包络模板波形,通过200次的蒙特卡洛仿真,生成的包络模板波形,再对接收信号与模板进行位置校对,这里举例目标回波信号与回波信号模板进行位置对齐,最终得到表2所示的匹配度对比结果。
表2匹配度对比
在此基础之上,定义这两种匹配算法情况下的信息损失比。
表3信息损失比
由表2和表3所示,在较低的干噪比的条件下,无论从信息损失比还是从匹配度值上分析,具体实施时,采用波形位置校准算法要优于方法1里提到的以过冲点顶部为基点对齐的算法。
通过位置对准运算,实现了接收波形与模板的位置对准。在此基础上,可以进行波形相似度计算。一方面,为解决信号局部的特征差异;另一方面,包络的上升沿受环境影响是最小的。于是提出基于包络上升沿幅值相似度的计算方法。则:Δdi=|E(i)-M(i)|。
其中,取包络模板波形第一个过冲点顶部采样点的位置数。D可以作为两波形相似度判断的一个参数。经过波形位置的校准对齐,本文利用前两式计算包络上升沿差异幅度的均值。在JNR=0~20dB的条件下,通过蒙特卡洛仿真生成每种辐射源测试集个数为100,JNR的仿真间隔为2dB。同时,利用先验信息计算出聚类初始值,最后利用K-means算法进行分类。最终得到的仿真效果如图4所示。图4中,真实回波的“指纹特征”在JNR=2dB处有最低识别率为35%,后随干噪比的增大而增大。在JNR=8dB处的识别率达到90%以上;距离干扰辐射源1能够在JNR=4dB处实现85%以上的识别率;距离干扰辐射源2随干噪比的增大而增大,在8dB处能够实现90%以上的识别率。
在JNR=0~20dB的条件下,通过蒙特卡洛仿真生成每种辐射源测试集个数为100,JNR的仿真间隔为2dB,得到单径莱斯衰落信道的干扰源识别结果如图5所示。由图5所示,相比较于单一的AWGN信道识别效果,单径莱斯信道下的识别较低。当JNR=5dB时,对真实回波信号的识别率仅有30%左右,随着JNR的不断增加,对3种辐射源信号的识别率也逐渐增加。当JNR=30dB时,各辐射源信号的识别率大于90%。莱斯衰落信道使得信号的包络服从莱斯分布,包络波形稳定性较差,于是识别起来较为困难。
多径莱斯信道下的干扰源个体识别:为进一步研究多径莱斯信道特性对干扰源个体的识别的影响,本文采用4径莱斯信道模型。本节主要研究多径数对识别效果的影响,分别设置多径数为1、2、3和4,识别算法流程同单径信道一致,得到不同路径数下的仿真结果如图6所示。
利用多径莱斯信道在不含高斯白噪声的条件下,对3种雷达辐射源信号的传输通道进行模拟,最终得到输出的雷达时域波形。4径莱斯信道对雷达信号的包络波形产生了一定的影响。从信号幅度上看,输出之后的信号幅度较输入前有所减小;从信号的包络波形上看,多径效应对信号包络的有一定的影响,其中对包络脉冲顶部影响最大,对上升沿的影响较小,因此对于包络波形指纹特征来说,其包络前沿特征的稳定性较好,可根据包络前沿的差异性幅值来判断雷达回波信号与距离欺骗干扰信号。
以上所述的仅是本申请的优选实施方式,本申请不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本申请的保护范围之内。
Claims (5)
1.一种基于包络指纹特征的干扰源个体识别方法,其特征在于:包括如下步骤:
步骤1、建立雷达干扰源信号模型;
步骤2、建立无线信道的仿真模型;
步骤3、提取雷达干扰源信号包络的前沿特征作为辐射源个体识别的指纹特征;
步骤4、重复步骤3,提取每个雷达干扰源信号的包络前沿特征,建立包络指纹特征库;
步骤5、对雷达回波进行处理,得到标准雷达回波的包络指纹特征;
步骤6、对有源干扰信号进行识别,将其分类为压制性干扰和欺骗性干扰,具体为:
步骤6.1、对有源干扰信号进行信号预处理,得到预处理后信号;
步骤6.2、经步骤6.1后的预处理后信号进行特征提取和降维,输出降维后信号;
步骤6.3、经步骤6.2特征提取和降维后的信号识别为压制性干扰或欺骗性干扰;
步骤7、接收并分析步骤6识别出的欺骗性干扰的回波包络指纹,且与步骤4包络指纹特征库中的包络指纹比对,具体为:
步骤7.1、针对欺骗性干扰依据波形指纹特征进行特征提取和降维,得到降维后信号;
步骤7.2、对经步骤7.1降维后的信号进行分类,输出欺骗性干扰的干扰源类型。
2.根据权利要求1所述的一种基于包络指纹特征的干扰源个体识别方法,其特征在于:步骤5,具体为:
步骤5.1雷达发射机发射波形并将波形辐射出去,照射空中悬挂的标准角反射体;
步骤5.2雷达接收机把步骤5.1辐射的信号采集回来,得到理想点目标回波,并形成雷达包络指纹。
3.根据权利要求1所述的一种基于包络指纹特征的干扰源个体识别方法,其特征在于:步骤5中,理想点目标回波包含了雷达发射机、接收机以及传输信道的非理想调制;雷达包络指纹通过对回波信号进行预处理、特征提取及特征降维后得到,且该指纹特征为雷达发射机一次调制引起的,而非干扰机对信号进行二次调制而引起的包络指纹。
4.根据权利要求1所述的一种基于包络指纹特征的干扰源个体识别方法,其特征在于:步骤7.1中,波形指纹特征包括相位噪声、包络波形特性及非线性效应。
5.根据权利要求1所述的一种基于包络指纹特征的干扰源个体识别方法,其特征在于:步骤7.2中,欺骗性干扰源类型为N个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110499480.0A CN113219415A (zh) | 2021-04-30 | 2021-04-30 | 一种基于包络指纹特征的干扰源个体识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110499480.0A CN113219415A (zh) | 2021-04-30 | 2021-04-30 | 一种基于包络指纹特征的干扰源个体识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113219415A true CN113219415A (zh) | 2021-08-06 |
Family
ID=77091818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110499480.0A Pending CN113219415A (zh) | 2021-04-30 | 2021-04-30 | 一种基于包络指纹特征的干扰源个体识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219415A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186714A (zh) * | 2022-07-15 | 2022-10-14 | 中国人民解放军国防科技大学 | 基于特征相关与自适应分解的网卡频谱指纹特征放大方法 |
CN115308539A (zh) * | 2021-08-16 | 2022-11-08 | 宇通客车股份有限公司 | 一种动力系统绝缘故障定位的方法及车辆 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100097200A1 (en) * | 2005-05-30 | 2010-04-22 | Joerg Hilsebecher | Method and device for identifying and classifying objects |
CN109212491A (zh) * | 2018-10-17 | 2019-01-15 | 中国航天科工集团八五研究所 | 一种基于雷达信号指纹特征的辐射源识别方法 |
CN111563227A (zh) * | 2020-04-30 | 2020-08-21 | 中国人民解放军军事科学院评估论证研究中心 | 辐射源信号的指纹特征参数提取方法及辐射源识别 |
-
2021
- 2021-04-30 CN CN202110499480.0A patent/CN113219415A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100097200A1 (en) * | 2005-05-30 | 2010-04-22 | Joerg Hilsebecher | Method and device for identifying and classifying objects |
CN109212491A (zh) * | 2018-10-17 | 2019-01-15 | 中国航天科工集团八五研究所 | 一种基于雷达信号指纹特征的辐射源识别方法 |
CN111563227A (zh) * | 2020-04-30 | 2020-08-21 | 中国人民解放军军事科学院评估论证研究中心 | 辐射源信号的指纹特征参数提取方法及辐射源识别 |
Non-Patent Citations (3)
Title |
---|
王宏伟 等: "基于脉冲包络前沿波形的雷达辐射源个体识别", 《航天电子对抗》 * |
王宏伟 等: "基于脉冲包络前沿高阶矩特征的辐射源个体识别", 《现代雷达》 * |
罗彬珅 等: "基于包络前沿特性的干扰源个体识别研究", 《电光与控制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115308539A (zh) * | 2021-08-16 | 2022-11-08 | 宇通客车股份有限公司 | 一种动力系统绝缘故障定位的方法及车辆 |
CN115308539B (zh) * | 2021-08-16 | 2023-12-08 | 宇通客车股份有限公司 | 一种动力系统绝缘故障定位的方法及车辆 |
CN115186714A (zh) * | 2022-07-15 | 2022-10-14 | 中国人民解放军国防科技大学 | 基于特征相关与自适应分解的网卡频谱指纹特征放大方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113219415A (zh) | 一种基于包络指纹特征的干扰源个体识别方法 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN110110738A (zh) | 一种基于多特征融合的雷达辐射源识别方法 | |
CN107392123B (zh) | 一种基于相参积累消噪的射频指纹特征提取和识别方法 | |
CN108444954B (zh) | 光谱信号峰值检测方法、装置以及系统 | |
CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 | |
CN106405543B (zh) | 一种认知型盲源分离辐射源提取方法及其评价方法 | |
CN111680737A (zh) | 差异性信噪比条件下的雷达辐射源个体识别方法 | |
Su et al. | Research on jamming recognition technology based on characteristic parameters | |
CN112859116B (zh) | 基于主特征盲源分离的单天线gnss欺骗式干扰检测方法 | |
CN114897023B (zh) | 一种基于水声目标敏感差异特征提取的水声目标辨识方法 | |
CN106911603A (zh) | 一种宽带监测模式下模拟信号调制类型实时识别方法 | |
CN111027614B (zh) | 一种噪声增强射频指纹识别方法及装置 | |
CN107748356A (zh) | 基于复相像系数的相位编码信号欺骗式干扰类型识别方法 | |
CN112303504A (zh) | 一种基于改进的变分模式分解算法的供水管道泄漏位置检测方法 | |
CN113239880A (zh) | 基于改进随机森林的雷达辐射源识别方法 | |
KR102347174B1 (ko) | 앙상블 기반 무선 핑거프린팅 장치 및 이를 이용한 송출원 식별 방법 | |
CN113203990A (zh) | 一种基于相噪特性的干扰源个体识别方法 | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
Gongming et al. | Radar emitter sorting and recognition based on time-frequency image union feature | |
Liu et al. | RF fingerprint recognition based on spectrum waterfall diagram | |
CN115186714B (zh) | 基于特征相关与自适应分解的网卡频谱指纹特征放大方法 | |
CN113219431A (zh) | 一种基于波形指纹的干扰源个体识别方法 | |
CN115905919A (zh) | 基于afgan的雷达信号样本数据处理方法、目标识别方法及系统 | |
Li et al. | Interference classification and identification of TDCS based on improved convolutional neural network |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210806 |