多分量LFM雷达辐射源信号的经验模式分解

基于改进的经验模式分解,提出了多分量LFM雷达辐射源信号的分析方法．该方法用RBF神经网络对端点延拓削弱边界效应,将自相关函数与相关系数结合估计分量的数量,通过模式分解滤波和平均滑动消除噪声影响,以提高算法的分解精度．理论分析和实验表明,在较宽的信噪比范围内,使用该方法能够正确提取各分量信号的瞬时频率和有效地估计多分量LFM辐射源信号的分量数量．     

基于线性迭代预测的线性调频信号估计方法

针对线性调频(linear frequency modulation, LFM)信号参数估计方法中参数估计范围较小的问题,以旋转求和抽取(rotate add decimate,RAD) 测频方法为基础,提出了一种估计LFM信号参数范围的改进方法.该方法在保证线性调频斜率以及频率估计精度的前提下,将线性调频斜率估计范围扩展至(-π/2,π/2).给出了用线性迭代预测方法改进LFM信号参数估计范围的基本思想和步骤.最后仿真验证了该方法的有效性.     

基于简化差分相干积累的北斗B1频点信号精捕获算法

北斗卫星信号的捕获速度、灵敏度及精度将直接影响接收机的性能指标.本文提出了一种提高北斗导航卫星B1频点信号检测信噪比的精捕获算法,该算法基于简化差分相干积累（SDCI）的短时匹配滤波器（STMF）和快速傅里叶变换（FFT）运算（STMF-FFT）.为了保证在降低FFT运算量和提高信号检测概率的条件下,获得更精确的多普勒频率估计,采用逼近效果较好的切比雪夫线性最小二乘曲线拟合法得到多普勒频移的精确化估计值.理论分析和仿真验证表明：本文提出的SDCI算法比非相干积累算法获得的检测信噪比高约3.2 dB.     

谐波和间谐波参数估计的新方法

为解决谐波和间谐波参数估计受噪声影响的难题,从被检测信号噪声的基本特性出发,提出了一种基于现代互谱、总体最小二乘、旋转不变参数估计和改进普罗尼技术的谐波和间谐波参数估计新方法.该方法采用互谱技术处理不同采样序列的互相关矩阵;根据不同时刻白噪声相互独立的原理划分信号子空间和噪声子空间,并结合总体最小二乘与旋转不变参数估计判定被检测信号的频率;最后,根据白噪声均值为0的特性,采用改进普罗尼技术估计信号分量的幅值和初始相角.仿真结果表明,该方法在低信噪比环境下可检测出多个子信号,且频率的相对误差均小于0.4%,而耗时仅0.058 s,具有良好的估计精度和估计效率.     

基于循环谱包络的共信道多信号参数估计

为解决通信侦察中非协作接收机接收的信号受共信道信号干扰的问题,提出了一种基于循环谱包络的多信号载频、码片时宽估计算法.该算法不需要伪随机码等先验信息,可实现对时频重叠的多循环平稳信号参数的盲估计.由于该参数估计算法是在非零循环频率上进行搜索,故可以有效地减少平稳噪声和干扰的影响,适用于低信噪比的情况.仿真实验表明,当双信号功率比为1∶1且信噪比为-9 dB时,该算法对载频估计的正确率可达100%;当信噪比为-4 dB时,对码片时宽估计的正确率可达99%.     

基于高阶FS谱对角切片的舰船轴频电场微弱信号检测方法

针对在实际海洋中对舰船轴频电场进行远程探测的问题,文中采用了一种基于高阶FS谱对角切片的微弱信号处理技术,通过该方法能简单有效地将微弱轴频电场信号从低信噪比的实测数据中分离出来.最后使用该方法和基于高阶谱对角切片的弱信号检测方法,分别对同一组实测的舰船轴频信号进行了处理,结果对比表明该方法的有效性.     

基于瞬时频率二次特征提取的辐射源信号分类

提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法．首先利用改进的瞬时自相关算法提取信号的瞬时频率特征．在此基础上，对所获得的瞬时频率进行级联归一化处理，提取分类特征向量．最后，采用层次决策方法实现自动分类．仿真结果表明，该方法提取的特征向量具有较好的类间分离性，整体信号分类方案在信噪比不低于6dB时，可获得90％以上的分类准确率．     

EP 信号潜伏期变化的自适应相位谱估计方法

研究了诱发电位（ＥＰ）信号潜伏期变化的检测与估计问题．传统的时域平均ＥＰ信号检测方法不能跟踪潜伏期的时变特性，基于相关计算的ＥＰ信号检测方法在存在外界周期性干扰的条件下是很不可靠的．本文提出一种自适应相位谱时间延迟估计方法，用于在低信噪比和低信扰比条件下检测和估计诱发电位信号潜伏期的变化．实验和计算机模拟表明，在信噪比和信扰比均低至－５ｄＢ时，本文方法仍能有效地跟踪ＥＰ信号潜伏期的变化，给出正确的估计结果．这种方法也可以用于时实ＥＰ信号的分析和处理．     

基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

支持向量机在雷达辐射源信号识别中的应用

为了提高电子对抗设备的信号识别能力，采用相像系数法提取雷达辐射源信号特征，并引入支持向量机完成信号自动分类识别．相像系数法在大信噪比范围内稳定性好、分辨能力强．支持向量机分类器结构简单、可获得全局最优、泛化能力强．实验结果表明，基于相像系数和支持向量机的辐射源信号识别方法在大信噪比（5～20dB）范围内，错误识别率最低可达2．68％，优于传统识别方法．