CN116559817A - 一种用于复杂电磁环境的雷达信号分选方法 - Google Patents
一种用于复杂电磁环境的雷达信号分选方法 Download PDFInfo
- Publication number
- CN116559817A CN116559817A CN202310811254.0A CN202310811254A CN116559817A CN 116559817 A CN116559817 A CN 116559817A CN 202310811254 A CN202310811254 A CN 202310811254A CN 116559817 A CN116559817 A CN 116559817A
- Authority
- CN
- China
- Prior art keywords
- pulse
- sequence
- sorting
- amplitude
- receiving
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000005540 biological transmission Effects 0.000 claims abstract description 88
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 52
- 230000008859 change Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000000540 analysis of variance Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 230000005855 radiation Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
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
- G01S7/41—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
-
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于复杂电磁环境的雷达信号分选方法，涉及雷达信号分选技术领域，该方法包括：获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列；构建脉冲发射特征曲线；获取N个接收器的接收脉冲信号；遍历N组脉冲描述字，进行一级分选，获取N个第一发射器分选信号序列；输入到达角评估通道进行处理，获取到达角序列；基于到达角序列和脉冲发射角度进行二级分选，获取雷达信号分选结果。本发明解决了现有技术中随着电磁环境愈加复杂，干扰因素不断增加，导致依赖PRI值进行雷达辐射源脉冲分选方法存在准确率和稳定性较低问题的技术问题，达到了提升雷达信号分选质量的技术效果。
Description
技术领域
本发明涉及雷达信号分选技术领域，具体涉及一种用于复杂电磁环境的雷达信号分选方法。
背景技术
目前，主要通过估计出PRI值，根据估计的PRI值在混叠的脉冲序列中进行检索分选不同雷达辐射源的脉冲。需要处理的数据量较多，且随着电磁环境愈加复杂，干扰因素不断增加，导致依赖PRI值进行雷达辐射源脉冲分选方法准确率较低，且由于分选环境不同，导致分选稳定性较低。
发明内容
本申请提供了一种用于复杂电磁环境的雷达信号分选方法，用于针对解决现有技术中随着电磁环境愈加复杂，干扰因素不断增加，导致依赖PRI值进行雷达辐射源脉冲分选方法存在准确率和稳定性较低问题的技术问题。
鉴于上述问题，本申请提供了一种用于复杂电磁环境的雷达信号分选方法。
本申请的第一个方面，提供了一种用于复杂电磁环境的雷达信号分选方法，其中，应用于复杂电磁环境的雷达信号分选系统，所述系统和N个接收器、第一发射器通信连接，所述N个接收器可接收接收器分布区域的脉冲信号，包括：
获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，所述第一发射器具有脉冲发射角度；
根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线；
获取所述N个接收器的接收脉冲信号，其中，所述接收脉冲信号包括N组脉冲描述字；
遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列；
遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列；
基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果。
本申请的第二个方面，提供了一种用于复杂电磁环境的雷达信号分选系统，所述系统包括：
抖动序列获得模块，所述抖动序列获得模块用于获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，所述第一发射器具有脉冲发射角度；
特征曲线构建模块，所述特征曲线构建模块用于根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线；
脉冲信号获得模块，所述脉冲信号获得模块用于获取N个接收器的接收脉冲信号，其中，所述接收脉冲信号包括N组脉冲描述字；
信号序列获得模块，所述信号序列获得模块用于遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列；
到达角序列获得模块，所述到达角序列获得模块用于遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列；
分选结果获得模块，所述分选结果获得模块用于基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请通过获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，第一发射器具有脉冲发射角度，然后根据脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，构建脉冲发射特征曲线，进而获取N个接收器的接收脉冲信号，其中，接收脉冲信号包括N组脉冲描述字，然后遍历N组脉冲描述字，基于脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列，遍历N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列，然后基于到达角序列和脉冲发射角度进行二级分选，获取雷达信号分选结果。达到了提升雷达信号分选效率，优化分选质量的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种用于复杂电磁环境的雷达信号分选方法流程示意图；
图2为本申请实施例提供的一种用于复杂电磁环境的雷达信号分选方法中获取N个第一发射器分选信号序列的流程示意图；
图3为本申请实施例提供的一种用于复杂电磁环境的雷达信号分选方法中获取所述到达角序列的流程示意图；
图4为本申请实施例提供的一种用于复杂电磁环境的雷达信号分选系统结构示意图。
附图标记说明：抖动序列获得模块11，特征曲线构建模块12，脉冲信号获得模块13，信号序列获得模块14，到达角序列获得模块15，分选结果获得模块16。
具体实施方式
本申请通过提供了一种用于复杂电磁环境的雷达信号分选方法，用于针对解决现有技术中随着电磁环境愈加复杂，干扰因素不断增加，导致依赖PRI值进行雷达辐射源脉冲分选方法存在准确率和稳定性较低问题的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了一种用于复杂电磁环境的雷达信号分选方法，其中，应用于复杂电磁环境的雷达信号分选系统，所述系统和N个接收器、第一发射器通信连接，所述N个接收器可接收接收器分布区域的脉冲信号，包括：
步骤S100：获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，所述第一发射器具有脉冲发射角度；
在一个可能的实施例中，所述复杂电磁环境的雷达信号分选系统用于对第一发射器向N个接收器发生的脉冲信号，从N个接收器可接收接收器分布区域的脉冲信号中分拣出来的系统，所述系统与N个接收器、第一发射器的端口分别通信连接，从而对交互后获得的数据进行分析处理。其中，所述N个接收器可接收接收器分布区域的脉冲信号。
在一个实施例中，通过对第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，实现对预设时区内第一发射器的脉冲发射数据进行采集的目标，为分析第一发射器的脉冲发射特征提供基础分析数据。其中，所述第一发射器具有脉冲发射角度，所述脉冲发射角度是第一发射器发射脉冲时发射器与水平面的夹角。所述脉冲发射间隔抖动序列是第一发射器在不同时间点发射脉冲的重复间隔，也就是接收器接收到的雷达信号中两个相邻脉冲的时间差序列。所述脉冲发射幅度抖动序列是第一发射器在预设时区内的不同时间点发射幅度的变化情况。所述脉冲发射宽度抖动序列是第一发射器在预设时区内的不同时间点发射雷达信号中脉冲持续的时间。所述预设时区是由本领域技术人员设定的进行雷达信号分选的时间段，可以为5分钟、10分钟、15分钟等。
步骤S200：根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线；
进一步的，根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线，本申请实施例步骤S200还包括：
步骤S210：以时间为第一坐标轴，以幅度为第二坐标轴，构建虚拟二维坐标系；
步骤S220：以所述预设时区的起始时间为原点，以所述预设时区的终止时间为第一坐标轴的曲线终点坐标，输入所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建所述脉冲发射特征曲线。
在本申请的实施例中，基于所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列中的数据，构建所述脉冲发射特征曲线。其中，所述脉冲发射特征曲线是用于对第一发射器在预设时区内雷达信号的发射特征进行描述的曲线，为后续进行分选提供依据。
具体而言，通过以时间为第一坐标轴、以幅度为第二坐标轴，构建所述虚拟二维坐标系。然后，以所述预设时区的起始时间为所述虚拟二维坐标系的原点，以所述预设时区的终止时间为曲线终点坐标，然后将脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列中的数据输入所述虚拟二维坐标系中，生成所述脉冲发射特征曲线。示例性的，以预设时区中第一发射器发射的第二个脉冲信号为索引，从脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列中查找获得第二脉冲信号对应的脉冲发射间隔为4s、所述脉冲发射幅度为0.5Um和所述脉冲发射宽度为10s，进而，将第一坐标轴上距离第一脉冲信号4s的点作为第二脉冲信号的起始点，将距离第二脉冲信号起始点10s的点作为第二脉冲信号的终止点，并根据脉冲发射幅度0.5Um在第二脉冲信号的起始点和终止点内构建第二脉冲信号。
步骤S300：获取所述N个接收器的接收脉冲信号，其中，所述接收脉冲信号包括N组脉冲描述字；
具体而言，通过对N个接收器的接收脉冲信号进行采集，获得N个接收器在接收器分布区域内接接收到的信号，为后续进行信号分选提供被分选数据。其中，所述接收脉冲信号包括N组脉冲描述字，N组脉冲描述字与N个接收器一一对应。所述N组脉冲描述字用于对N个接收器的接收脉冲信号携带信息的重要特征进行描述，包括N组脉冲到达时间、N组脉冲接收幅度和N组脉冲接收宽度。
步骤S400：遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列；
进一步的，如图2所示，遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列，本申请实施例步骤S400还包括：
步骤S410：所述N组脉冲描述字包括N组脉冲到达时间、N组脉冲接收幅度和N组脉冲接收宽度；
步骤S420：根据所述N组脉冲到达时间、所述N组脉冲接收幅度和所述N组脉冲接收宽度，获取第j组脉冲到达时间、第j组脉冲接收幅度和第j组脉冲接收宽度；
步骤S430：将所述第j组脉冲接收宽度，基于所述脉冲发射特征曲线进行聚类分析，获取脉冲接收宽度聚类序列，其中，所述脉冲接收宽度聚类序列包括第一宽度聚类序列、第二宽度聚类序列直到第i宽度聚类序列；
步骤S440：遍历所述第一宽度聚类序列，与所述脉冲发射特征曲线的第一脉冲发射时间的第一间隔时长集合；
步骤S450：遍历所述第i宽度聚类序列，与所述脉冲发射特征曲线的第i脉冲发射时间的第i间隔时长集合；
步骤S460：基于所述第一间隔时长集合、第二间隔时长集合与所述第i间隔时长集合，对所述第一宽度聚类序列、所述第二宽度聚类序列直到所述第i宽度聚类序列进行聚类分析，获取第一接收脉冲序列、第二接收脉冲序列直到第Q接收脉冲序列；
步骤S470：遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度变化参数分析，获取第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列。
在一个可能的实施例中，通过对所述N组脉冲描述字中携带的脉冲信息进行逐一分析，并根据所述脉冲发射特征曲线进行一级分选，从而获得N个第一发射器分选信号序列。也就是说，利用脉冲发射特征曲线中的接收宽度和脉冲间隔时长，以及幅值变化对N个接收器的脉冲信号进行一级分选，实现对脉冲信号进行初步分选的目标。其中，所述N个第一发射器分选信号序列是N个接收器的脉冲信号中幅度、间隔时间和接收宽度符合第一发射器的脉冲发射特征的脉冲信号序列。
具体而言，从N组脉冲描述字中调取第j组脉冲的脉冲信息，包括第j组脉冲到达时间、第j组脉冲接收幅度和第j组脉冲接收宽度。当第一发射器在预设时区内共发射i个脉冲，从所述脉冲发射特征曲线中获取i个脉冲的i个宽度，脉冲信号从第一发射器传输到第j接收器的过程中信号会衰减，因此，根据信号衰减的程度设定预设宽度偏差，将预设宽度偏差作为信号筛选的依据。以i个宽度对第j组脉冲接收宽度进行聚类分析，获得第一宽度聚类序列、第二宽度聚类序列直到第i宽度聚类序列，生成所述脉冲接收宽度聚类序列。优选的，将第j组脉冲接收宽度分别与i个宽度进行作差，获得多个宽度偏差，将宽度偏差小于预设宽度偏差的脉冲接收宽度，添加进对应发射脉冲的相近宽度类别，从而获得所述脉冲接收宽度聚类序列。实现了将不宽度偏差不满足要求的脉冲进行剔除的目标。
具体的，获取第一宽度聚类序列中的多个脉冲接收宽度对应的脉冲到达时间，将其与脉冲发射特征曲线的第一脉冲发射时间进行差值计算，获得第一间隔时长集合。获取第i宽度聚类序列中的多个脉冲接收宽度对应的脉冲到达时间，将其与脉冲发射特征曲线的第i脉冲发射时间进行差值计算，获得第i间隔时长集合。优选的，基于第一发射器与第j接收器之间的距离，以及脉冲发射特征曲线中第一发射器发射脉冲信号的特征，计算i个间隔时间阈值。进而，以i个间隔时间阈值为聚类依据，对所述第一间隔时长集合、第二间隔时长集合与所述第i间隔时长集合中分别满足i个间隔时间阈值的脉冲加入对应的接收脉冲序列中，获得第一接收脉冲序列、第二接收脉冲序列直到第Q接收脉冲序列。由此，实现了根据间隔时间对脉冲信号进行分选，进一步提升分选效率和准确性的目标。
在一个实施例中，通过根据第一接收脉冲序列中的脉冲对应的脉冲接收幅度，结合所述脉冲发射特征曲线进行幅度变化参数分析，从而获得第一发射器第j分选信号序列，其中，所述第j分选信号序列是第j组接收器接收到第一发射器发射的脉冲信号序列。进而，将第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列中。
进一步的，遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度变化参数分析，获取第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列，本申请实施例步骤S470还包括：
步骤S471：遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获取第一幅值变化量集；
步骤S472：遍历所述第Q接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获取第Q幅值变化量集；
步骤S473：遍历所述第一幅值变化量集、第二幅值变化量集直到所述第Q幅值变化量集进行离散性分析，获取第一离散系数、第二离散系数直到第Q离散系数；
步骤S474：筛选所述第一离散系数、所述第二离散系数直到所述第Q离散系数小于离散系数阈值的所述第一接收脉冲序列、所述第二接收脉冲序列直到所述第Q接收脉冲序列，设为所述第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列。
进一步的，遍历所述第一幅值变化量集、第二幅值变化量集直到所述第Q幅值变化量集进行离散性分析，获取第一离散系数、第二离散系数直到第Q离散系数，本申请实施例步骤S470还包括：
步骤S475：根据所述第一幅值变化量集，获取第一组幅值变化量、第二组幅度变化量直到第i组幅值变化量；
步骤S476：遍历所述第一组幅值变化量、所述第二组幅度变化量直到所述第i组幅值变化量进行均值分析，获取第一均值变化量、第二均值变化量直到第i均值变化量；
步骤S477：对所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量进行方差分析，获取所述第一离散系数；
步骤S478：遍历所述第一幅值变化量集、所述第二幅值变化量集直到所述第Q幅值变化量集，获取所述第一离散系数、所述第二离散系数直到所述第Q离散系数。
在本申请的实施例中，根据所述第一接收脉冲序列中脉冲信号幅度值，与脉冲发射特征曲线中第一发射信号对应的幅度值进行差值计算，实现进行幅度损失量分析的目标，从而将差值进行汇总获得第一幅值变化量集。基于同样的方法，遍历所述第Q接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获得第Q幅值变化量集。
在一个实施例中，从第一幅值变化量集中进行数据提取，获得第一组幅值变化量、第二组幅度变化量直到第i组幅值变化量。分别对每组幅值变化量进行均值处理，根据均值计算的结果，获得第一均值变化量、第二均值变化量直到第i均值变化量。其中，所述第一均值变化量、第二均值变化量直到第i均值变化量反映了与i个脉冲信号的幅值相似的接收脉冲信号的幅值平均值。方差反映了每组幅值量与对应的幅值平均值的偏离程度，方差越大，偏离程度越大，数据越分散。优选的，通过将每组幅值量与对应的幅值平均值的差的平方，除以该组幅值量的数量，计算获得的结果为该组的方差。第一均值变化量、所述第二均值变化量直到所述第i均值变化量进行方差分析，并对计算获得的方差进行均值求取，将获得结果作为第一离散系数。基于同样的方法，遍历所述第一幅值变化量集、所述第二幅值变化量集直到所述第Q幅值变化量集，获取所述第一离散系数、所述第二离散系数直到所述第Q离散系数。进而，将所述第一离散系数、所述第二离散系数直到所述第Q离散系数小于离散系数阈值的接收脉冲序列设为第j分选信号序列，添加进所述N个第一发射器分选信号序列。
进一步的，对所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量进行方差分析，获取所述第一离散系数，之前本申请实施例步骤S477还包括：
步骤S4771：遍历所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量，是否小于或等于零；
步骤S4772：若小于或等于零，添加进偏离脉冲信号，获取偏离脉冲信号数量；
步骤S4773：当所述偏离脉冲信号数量大于或等于数量阈值，将所述第一接收脉冲序列筛除。
在一个可能的实施例中，遍历所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量，是否小于或等于零，若小于或等于零，则将对应的脉冲信号添加进偏离脉冲信号，并统计偏离脉冲信号的数量。所述数量阈值是由本领域技术人员设定的可以接收的偏离误差数量。当所述偏离脉冲信号数量大于或等于数量阈值，表明序列中数据异常过多，将所述第一接收脉冲序列筛除。从而，达到了对接收脉冲序列进行筛选，减少分析数据量，提升分析效率的技术效果。
步骤S500：遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列；
进一步的，如图3所示，遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列，本申请实施例步骤S500还包括：
步骤S510：将所述N个第一发射器分选信号序列进行组合，获取一级分选信号组合结果；
步骤S520：基于所述一级分选信号组合结果和N个接收器，提取接收相位差特征序列；
步骤S530：将所述接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列；
其中，将所述接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列，之前包括：获取所述N个接收器的脉冲接收相位差记录数据和脉冲到达角标识数据；基于所述脉冲接收相位差记录数据和所述脉冲到达角标识数据，对BP神经网络模型进行训练，获取所述到达角评估通道。
在一个可能的实施例中，通过将N个第一发射器分选信号序列输入内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行到达角分析，获得到达角序列。从而，对N个接收器的到达角进行智能化分析，提升处理的智能程度。
在一个可能的实施例中，通过对N个第一发射器分选信号序列进行组合，获取一级分选信号组合结果，优选的，将间隔时长、宽度、幅度损失量相近的N个接收的分选信号进行组合，获得一级分选信号组合结果。然后，通过对一级分选信号组合结果和N个接收器进行相位差分析，提取接收相位差特征序列。优选的，通过利用MATLAB中的FFT（快速傅里叶变换）函数来计算脉冲相位差。接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列。
具体的，通过获取所述N个接收器的脉冲接收相位差记录数据和脉冲到达角标识数据作为训练数据，对以BP神经网络为基础构建的框架进行训练，并利用训练数据中的脉冲到达角标识数据对训练过程进行监督，直至输出达到收敛，获得所述到达角评估通道。
步骤S600：基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果。
进一步的，基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果，本申请实施例步骤S600还包括：
步骤S610：基于所述脉冲发射角度，遍历所述到达角序列进行偏差分析，获取角度偏差集；
步骤S620：基于所述角度偏差集统计小于或等于角度偏差阈值的第一类型角度数量；
步骤S630：计算所述第一类型角度数量和角度总数量的比值，获取二级分选系数；
步骤S640：当所述二级分选系数大于或等于分选系数阈值时，将所述一级分选信号组合结果，设为所述雷达信号分选结果。
在一个可能的实施例中，通过根据到达角序列和脉冲发射角度进行二级分选，在一级分选的基础上进行再次分选，提升分选的准确度，从而获得雷达信号分选结果。
在一个可能的实施例中，将脉冲发射角度对到达角序列进行逐一偏差分析，获得角度偏差集。其中，角度偏差集反映了接收器接收脉冲的角度与第一发射器发射角度的偏差情况。所述角度偏差阈值是由工作人员设定的角度偏差可以满足要求的偏差阈值。基于所述角度偏差集统计小于或等于角度偏差阈值的第一类型角度数量，进而，将第一类型角度数量比上角度总数量的结果，作为二级分选系数。通过二级分选系数对一级分选信号组合结果进行验证，当二级分选系数大于或等于分选系数阈值时，将所述一级分选信号组合结果，设为所述雷达信号分选结果。达到了提升雷达信号分选准确性和效率的技术效果。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过对第一发射器在预设时区内发射脉冲信号的特征进行分析，构建脉冲发射特征曲线，然后从接收端对N个接收器的接收脉冲信号进行数据采集，从接收宽度、间隔时间和接收幅度三个维度依次进行筛选，完成一级分选，获得N个第一发射器分选信号序列，然后利用内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获得到达角序列，从而结合脉冲发射角度进行二级分选，获取雷达信号分选结果。达到了提升雷达信号分选准确性和分选结果可靠性的技术效果。
实施例二
基于与前述实施例中一种用于复杂电磁环境的雷达信号分选方法相同的发明构思，如图4所示，本申请提供了一种用于复杂电磁环境的雷达信号分选系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
抖动序列获得模块11，所述抖动序列获得模块11用于获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，所述第一发射器具有脉冲发射角度；
特征曲线构建模块12，所述特征曲线构建模块12用于根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线；
脉冲信号获得模块13，所述脉冲信号获得模块13用于获取N个接收器的接收脉冲信号，其中，所述接收脉冲信号包括N组脉冲描述字；
信号序列获得模块14，所述信号序列获得模块14用于遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列；
到达角序列获得模块15，所述到达角序列获得模块15用于遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列；
分选结果获得模块16，所述分选结果获得模块16用于基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果。
进一步的，所述特征曲线构建模块12用于执行如下方法：
以时间为第一坐标轴，以幅度为第二坐标轴，构建虚拟二维坐标系；
以所述预设时区的起始时间为原点，以所述预设时区的终止时间为第一坐标轴的曲线终点坐标，输入所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建所述脉冲发射特征曲线。
进一步的，所述信号序列获得模块14用于执行如下方法：
所述N组脉冲描述字包括N组脉冲到达时间、N组脉冲接收幅度和N组脉冲接收宽度；
根据所述N组脉冲到达时间、所述N组脉冲接收幅度和所述N组脉冲接收宽度，获取第j组脉冲到达时间、第j组脉冲接收幅度和第j组脉冲接收宽度；
将所述第j组脉冲接收宽度，基于所述脉冲发射特征曲线进行聚类分析，获取脉冲接收宽度聚类序列，其中，所述脉冲接收宽度聚类序列包括第一宽度聚类序列、第二宽度聚类序列直到第i宽度聚类序列；
遍历所述第一宽度聚类序列，与所述脉冲发射特征曲线的第一脉冲发射时间的第一间隔时长集合；
遍历所述第i宽度聚类序列，与所述脉冲发射特征曲线的第i脉冲发射时间的第i间隔时长集合；
基于所述第一间隔时长集合、第二间隔时长集合与所述第i间隔时长集合，对所述第一宽度聚类序列、所述第二宽度聚类序列直到所述第i宽度聚类序列进行聚类分析，获取第一接收脉冲序列、第二接收脉冲序列直到第Q接收脉冲序列；
遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度变化参数分析，获取第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列。
进一步的，所述信号序列获得模块14用于执行如下方法：
遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获取第一幅值变化量集；
遍历所述第Q接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获取第Q幅值变化量集；
遍历所述第一幅值变化量集、第二幅值变化量集直到所述第Q幅值变化量集进行离散性分析，获取第一离散系数、第二离散系数直到第Q离散系数；
筛选所述第一离散系数、所述第二离散系数直到所述第Q离散系数小于离散系数阈值的所述第一接收脉冲序列、所述第二接收脉冲序列直到所述第Q接收脉冲序列，设为所述第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列。
进一步的，所述信号序列获得模块14用于执行如下方法：
根据所述第一幅值变化量集，获取第一组幅值变化量、第二组幅度变化量直到第i组幅值变化量；
遍历所述第一组幅值变化量、所述第二组幅度变化量直到所述第i组幅值变化量进行均值分析，获取第一均值变化量、第二均值变化量直到第i均值变化量；
对所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量进行方差分析，获取所述第一离散系数；
遍历所述第一幅值变化量集、所述第二幅值变化量集直到所述第Q幅值变化量集，获取所述第一离散系数、所述第二离散系数直到所述第Q离散系数。
进一步的，所述信号序列获得模块14用于执行如下方法：
遍历所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量，是否小于或等于零；
若小于或等于零，添加进偏离脉冲信号，获取偏离脉冲信号数量；
当所述偏离脉冲信号数量大于或等于数量阈值，将所述第一接收脉冲序列筛除。
进一步的，所述到达角序列获得模块15用于执行如下方法：
将所述N个第一发射器分选信号序列进行组合，获取一级分选信号组合结果；
基于所述一级分选信号组合结果和N个接收器，提取接收相位差特征序列；
将所述接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列；
其中，将所述接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列，之前包括：获取所述N个接收器的脉冲接收相位差记录数据和脉冲到达角标识数据；基于所述脉冲接收相位差记录数据和所述脉冲到达角标识数据，对BP神经网络模型进行训练，获取所述到达角评估通道。
进一步的，所述分选结果获得模块16用于执行如下方法：
基于所述脉冲发射角度，遍历所述到达角序列进行偏差分析，获取角度偏差集；
基于所述角度偏差集统计小于或等于角度偏差阈值的第一类型角度数量；
计算所述第一类型角度数量和角度总数量的比值，获取二级分选系数；
当所述二级分选系数大于或等于分选系数阈值时，将所述一级分选信号组合结果，设为所述雷达信号分选结果。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种用于复杂电磁环境的雷达信号分选方法，其特征在于，应用于复杂电磁环境的雷达信号分选系统，所述系统和N个接收器、第一发射器通信连接，所述N个接收器可接收接收器分布区域的脉冲信号，包括：
获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，所述第一发射器具有脉冲发射角度；
根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线；
获取所述N个接收器的接收脉冲信号，其中，所述接收脉冲信号包括N组脉冲描述字；
遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列；
遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列；
基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果。
2.如权利要求1所述的方法，其特征在于，根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线，包括：
以时间为第一坐标轴，以幅度为第二坐标轴，构建虚拟二维坐标系；
以所述预设时区的起始时间为原点，以所述预设时区的终止时间为第一坐标轴的曲线终点坐标，输入所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建所述脉冲发射特征曲线。
3.如权利要求1所述的方法，其特征在于，遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列，包括：
所述N组脉冲描述字包括N组脉冲到达时间、N组脉冲接收幅度和N组脉冲接收宽度；
根据所述N组脉冲到达时间、所述N组脉冲接收幅度和所述N组脉冲接收宽度，获取第j组脉冲到达时间、第j组脉冲接收幅度和第j组脉冲接收宽度；
将所述第j组脉冲接收宽度，基于所述脉冲发射特征曲线进行聚类分析，获取脉冲接收宽度聚类序列，其中，所述脉冲接收宽度聚类序列包括第一宽度聚类序列、第二宽度聚类序列直到第i宽度聚类序列；
遍历所述第一宽度聚类序列，与所述脉冲发射特征曲线的第一脉冲发射时间的第一间隔时长集合；
遍历所述第i宽度聚类序列，与所述脉冲发射特征曲线的第i脉冲发射时间的第i间隔时长集合；
基于所述第一间隔时长集合、第二间隔时长集合与所述第i间隔时长集合，对所述第一宽度聚类序列、所述第二宽度聚类序列直到所述第i宽度聚类序列进行聚类分析，获取第一接收脉冲序列、第二接收脉冲序列直到第Q接收脉冲序列；
遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度变化参数分析，获取第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列。
4.如权利要求3所述的方法，其特征在于，遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度变化参数分析，获取第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列，包括：
遍历所述第一接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获取第一幅值变化量集；
遍历所述第Q接收脉冲序列，基于所述脉冲发射特征曲线进行幅度损失量分析，获取第Q幅值变化量集；
遍历所述第一幅值变化量集、第二幅值变化量集直到所述第Q幅值变化量集进行离散性分析，获取第一离散系数、第二离散系数直到第Q离散系数；
筛选所述第一离散系数、所述第二离散系数直到所述第Q离散系数小于离散系数阈值的所述第一接收脉冲序列、所述第二接收脉冲序列直到所述第Q接收脉冲序列，设为所述第一发射器第j分选信号序列，添加进所述N个第一发射器分选信号序列。
5.如权利要求4所述的方法，其特征在于，遍历所述第一幅值变化量集、第二幅值变化量集直到所述第Q幅值变化量集进行离散性分析，获取第一离散系数、第二离散系数直到第Q离散系数，包括：
根据所述第一幅值变化量集，获取第一组幅值变化量、第二组幅度变化量直到第i组幅值变化量；
遍历所述第一组幅值变化量、所述第二组幅度变化量直到所述第i组幅值变化量进行均值分析，获取第一均值变化量、第二均值变化量直到第i均值变化量；
对所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量进行方差分析，获取所述第一离散系数；
遍历所述第一幅值变化量集、所述第二幅值变化量集直到所述第Q幅值变化量集，获取所述第一离散系数、所述第二离散系数直到所述第Q离散系数。
6.如权利要求5所述的方法，其特征在于，对所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量进行方差分析，获取所述第一离散系数，之前包括：
遍历所述第一均值变化量、所述第二均值变化量直到所述第i均值变化量，是否小于或等于零；
若小于或等于零，添加进偏离脉冲信号，获取偏离脉冲信号数量；
当所述偏离脉冲信号数量大于或等于数量阈值，将所述第一接收脉冲序列筛除。
7.如权利要求1所述的方法，其特征在于，遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列，包括：
将所述N个第一发射器分选信号序列进行组合，获取一级分选信号组合结果；
基于所述一级分选信号组合结果和N个接收器，提取接收相位差特征序列；
将所述接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列；
其中，将所述接收相位差特征序列依次输入所述到达角评估通道进行处理，获取所述到达角序列，之前包括：获取所述N个接收器的脉冲接收相位差记录数据和脉冲到达角标识数据；基于所述脉冲接收相位差记录数据和所述脉冲到达角标识数据，对BP神经网络模型进行训练，获取所述到达角评估通道。
8.如权利要求7所述的方法，其特征在于，基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果，包括：
基于所述脉冲发射角度，遍历所述到达角序列进行偏差分析，获取角度偏差集；
基于所述角度偏差集统计小于或等于角度偏差阈值的第一类型角度数量；
计算所述第一类型角度数量和角度总数量的比值，获取二级分选系数；
当所述二级分选系数大于或等于分选系数阈值时，将所述一级分选信号组合结果，设为所述雷达信号分选结果。
9.一种用于复杂电磁环境的雷达信号分选系统，其特征在于，所述系统包括：
抖动序列获得模块，所述抖动序列获得模块用于获取第一发射器的预设时区的脉冲发射间隔抖动序列、脉冲发射幅度抖动序列和脉冲发射宽度抖动序列，其中，所述第一发射器具有脉冲发射角度；
特征曲线构建模块，所述特征曲线构建模块用于根据所述脉冲发射间隔抖动序列、所述脉冲发射幅度抖动序列和所述脉冲发射宽度抖动序列，构建脉冲发射特征曲线；
脉冲信号获得模块，所述脉冲信号获得模块用于获取N个接收器的接收脉冲信号，其中，所述接收脉冲信号包括N组脉冲描述字；
信号序列获得模块，所述信号序列获得模块用于遍历所述N组脉冲描述字，基于所述脉冲发射特征曲线进行一级分选，获取N个第一发射器分选信号序列；
到达角序列获得模块，所述到达角序列获得模块用于遍历所述N个第一发射器分选信号序列，基于内嵌于复杂电磁环境的雷达信号分选系统的到达角评估通道进行处理，获取到达角序列；
分选结果获得模块，所述分选结果获得模块用于基于所述到达角序列和所述脉冲发射角度进行二级分选，获取雷达信号分选结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811254.0A CN116559817B (zh) | 2023-07-04 | 2023-07-04 | 一种用于复杂电磁环境的雷达信号分选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811254.0A CN116559817B (zh) | 2023-07-04 | 2023-07-04 | 一种用于复杂电磁环境的雷达信号分选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116559817A true CN116559817A (zh) | 2023-08-08 |
| CN116559817B CN116559817B (zh) | 2023-09-26 |
Family
ID=87486458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310811254.0A Active CN116559817B (zh) | 2023-07-04 | 2023-07-04 | 一种用于复杂电磁环境的雷达信号分选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116559817B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014138252A (ja) * | 2013-01-16 | 2014-07-28 | Mitsubishi Electric Corp | パルス列分離装置、パルス列分離方法およびプログラム |
| KR20160048441A (ko) * | 2014-10-24 | 2016-05-04 | 주식회사 빅텍 | 수집 레이더 신호의 클러스터링 방법 |
| CN113156391A (zh) * | 2021-04-25 | 2021-07-23 | 电子科技大学 | 一种雷达信号多维特征智能分选方法 |
| CN113359131A (zh) * | 2021-04-22 | 2021-09-07 | 西安电子科技大学 | 一种sar低截获射频隐身系统及其设计方法 |
| CN113721219A (zh) * | 2021-10-08 | 2021-11-30 | 中国电子科技集团公司第三十八研究所 | 一种基于多参数聚类的雷达信号分选方法和系统 |
| CN114019505A (zh) * | 2021-11-09 | 2022-02-08 | 中国人民解放军海军航空大学 | 一种基于pri区间信息的雷达信号分选方法及系统 |
-
2023
- 2023-07-04 CN CN202310811254.0A patent/CN116559817B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014138252A (ja) * | 2013-01-16 | 2014-07-28 | Mitsubishi Electric Corp | パルス列分離装置、パルス列分離方法およびプログラム |
| KR20160048441A (ko) * | 2014-10-24 | 2016-05-04 | 주식회사 빅텍 | 수집 레이더 신호의 클러스터링 방법 |
| CN113359131A (zh) * | 2021-04-22 | 2021-09-07 | 西安电子科技大学 | 一种sar低截获射频隐身系统及其设计方法 |
| CN113156391A (zh) * | 2021-04-25 | 2021-07-23 | 电子科技大学 | 一种雷达信号多维特征智能分选方法 |
| CN113721219A (zh) * | 2021-10-08 | 2021-11-30 | 中国电子科技集团公司第三十八研究所 | 一种基于多参数聚类的雷达信号分选方法和系统 |
| CN114019505A (zh) * | 2021-11-09 | 2022-02-08 | 中国人民解放军海军航空大学 | 一种基于pri区间信息的雷达信号分选方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| ABOLFAZL DADGARNIA;: "A novel method of deinterleaving radar pulse sequences based on a modified DBSCAN algorithm", CHINA COMMUNICATIONS * |
| 孙强;张国毅;黄浩;: "雷达辐射源数据再分选算法研究", 舰船电子对抗, no. 06 * |
| 隋金坪 等: "雷达辐射源信号分选研究进展", 雷达学报 * |
| 雷琴;金国庆;朱强华;阮晓芬;: "复杂电磁环境下的雷达信号分选技术", 舰船电子对抗, no. 04 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116559817B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111913156B (zh) | 基于深度学习模型与特征联合的雷达辐射源个体识别方法 | |
| CN108805269B (zh) | 一种基于lstm循环神经网络拾取震相到时的方法 | |
| CN101881826B (zh) | 扫描模式海杂波局部多重分形目标检测器 | |
| Bulakh et al. | Time series classification based on fractal properties | |
| CN115047417B (zh) | 一种模拟雷达回波及干扰的方法和系统 | |
| CN108919193A (zh) | 一种基于序列片段挖掘的参数捷变雷达信号分选方法 | |
| CN112036239B (zh) | 一种基于深度学习网络的雷达信号工作模式识别方法及系统 | |
| CN106896348A (zh) | 一种基于概率数据关联的雷达信号分选方法 | |
| CN112597820A (zh) | 一种基于雷达信号分选的目标聚类方法 | |
| CN112528774A (zh) | 一种复杂电磁环境下未知雷达信号智能分选系统及方法 | |
| CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
| CN116559817B (zh) | 一种用于复杂电磁环境的雷达信号分选方法 | |
| CN103076595B (zh) | 一种多元离散雷达辐射源信号的异常类型识别方法 | |
| CN114355298A (zh) | 一种雷达复合调制脉冲信号识别方法 | |
| WO2021262344A1 (en) | Method and apparatus to detect scripted network traffic | |
| CN112990125A (zh) | 一种辐射源雷达属于目标平台的判别方法 | |
| CN115980689A (zh) | 基于点云检测的辐射源信号分选方法、装置、设备及介质 | |
| CN115291198B (zh) | 一种雷达信号发射及信号处理方法 | |
| CN114158004B (zh) | 一种基于图卷积神经网络的室内无源移动目标检测方法 | |
| CN111339986A (zh) | 基于时域/频域分析的装备用频规律挖掘方法和系统 | |
| CN115586570A (zh) | 基于聚类模型的微震定位优化方法 | |
| CN115017958A (zh) | 一种基于信道特征加权模型的非视距信号识别方法 | |
| CN115219991A (zh) | 一种基于希尔伯特变换的二相编码调制信号识别方法 | |
| Liu et al. | Detection on abnormal usage of spectrum by electromagnetic data mining | |
| JPH0843520A (ja) | パルス信号分類装置 |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: Room 810, Building C, 8th Floor, Chuangye Building, No. 16 Gaoxin 1st Road, Xi'an City, Shaanxi Province, 710065 Patentee after: Xi'an Shengxin Technology Co.,Ltd. Address before: 710065 Floor 5, Block B, Productivity Building, No. 3, Dianzi West Street, Electronic Industrial Park, Yanta District, Xi'an, Shaanxi Patentee before: Xi'an Shengxin Technology Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |