针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise,DBSC...针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise,DBSCAN)算法对侦获信号的脉冲描述字进行分选;而后,利用分选所得脉冲的时序特征与重点目标信号脉冲重复间隔(pulse repetition interval,PRI)生成仿真信号;最后,计算仿真信号的互相关函数,基于相关度判断PRI参数是否匹配。仿真实验表明:所提方法明显提升了对重点目标信号的识别时效,能够应对存在噪声干扰和信号交叠的复杂信号环境,对局部脉冲参数丢失不敏感。展开更多
文摘针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise,DBSCAN)算法对侦获信号的脉冲描述字进行分选;而后,利用分选所得脉冲的时序特征与重点目标信号脉冲重复间隔(pulse repetition interval,PRI)生成仿真信号;最后,计算仿真信号的互相关函数,基于相关度判断PRI参数是否匹配。仿真实验表明:所提方法明显提升了对重点目标信号的识别时效,能够应对存在噪声干扰和信号交叠的复杂信号环境,对局部脉冲参数丢失不敏感。
文摘在现有的针对脉冲描述字(Pulse Description Word,PDW)的信号预分选方法出现错误的情况下,针对脉冲重复间隔(Pulse Repetition Interval,PRI)的信号主分选的运算迭代次数和误差将会明显增加.为解决此类问题导致的整个分选结果所出现的错误.提出了基于单脉冲特性参数的信号分选方法,将信号到达时间差(Difference Time of Arrival,DTOA)特性作为新的单脉冲参数和PDW进行结合,共同完成聚类,获得更为准确的分选结果.仿真实验表明,在PDW重复度较高的情况下,会导致信号预分选出现错误,进而使最终的分选结果出现错误.而本方法在传统分选出现错误时,依然可以得到准确的雷达信号分选结果,提高了复杂环境下的分选准确率.
