【摘 要】
：
随着电磁环境越来越复杂,脉冲流密度越来越大,以及现代雷达信号波形变得越来越复杂,利用传统五个参数分选的信号分选方法已经无法满足要求,需要提出一些新的方法对雷达信号进行分选和识别。本文对雷达信号的分选与识别进行了研究,利用聚类和深度学习的知识对雷达信号进行了分选和识别,得到较好的效果。主要工作如下:1.对脉内调制方式不同的雷达信号和脉冲重复间隔工作模式不同的雷达信号仿真分析,对利用PRI参数进行分选
论文部分内容阅读
随着电磁环境越来越复杂,脉冲流密度越来越大,以及现代雷达信号波形变得越来越复杂,利用传统五个参数分选的信号分选方法已经无法满足要求,需要提出一些新的方法对雷达信号进行分选和识别。本文对雷达信号的分选与识别进行了研究,利用聚类和深度学习的知识对雷达信号进行了分选和识别,得到较好的效果。主要工作如下:1.对脉内调制方式不同的雷达信号和脉冲重复间隔工作模式不同的雷达信号仿真分析,对利用PRI参数进行分选的算法（CDIF、SDIF和PRI变换算法）进行了研究与仿真,并研究了在大的抖动情况下如何改进PRI算法提取出PRI特征值。2.提取了雷达辐射源信号的不同的脉内特征,包括复杂度特征,模糊函数特征和双谱相像系数特征,其中复杂度特征主要为盒维数和稀疏性,不同雷达信号的这些脉内特征具有较大的差别,类间区分度较高。3.使用一种新的分选框架对雷达信号进行分选,利用核簇支持聚类（CCSVC）方法使用脉间参数和脉内特征综合完成雷达信号分选。首先利用RSVC聚类算法对脉间参数进行聚类,得到尽可能多的漏选脉冲,误选率低,然后利用脉内特征使用SE-MSVC聚类算法对漏选脉冲完成聚类,对脉间参数聚类结果和脉内特征聚类的结果进行合并,最终完成对雷达信号的分选,准确率为98%以上。4.探索了一种框架,提取信号中的时频特征,使用卷积神经网络对不同的调制信号进行分类识别,得到了较高的识别准确率;提取平滑伪魏格纳-威尔分布特征,利用迁移学习,对不同类型的雷达信号进行识别,利用高精度的深度学习网络对信号进行识别,识别的准确率较高,并使用轻量级网络进行识别,减少了参数量,提高了识别效率。5.对改进的多重同步压缩变换（Improved Synchrosqueeze Transform,IMSST）进行研究,提取了不同信号的IMSST特征,利用提取的IMSST特征通过Efficient Net网络模型对雷达信号进行识别,最终得到比较高的识别准确率。
其他文献
随着科学技术的不断突破,智能机器人成为了最具代表性的科技产物之一,其中室内轮式扫移动机器人是最具有代表性的产品。但在定位精度、清扫路径等方面相比国外,国内还有很大的进步空间。同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）是机器人智能化的前提,也是目前机器人领域研究的重点和难点。针对传统移动扫地机器人存在的工作效率低,环境采集精度低等缺陷,
CO2驱油增采（CO2enhanced oil recovery,CO2-EOR）已成为石油工业中常用的提升油气采收率的方法。然而,CO2驱油过程中产生的伴生气包含大量的CO2、CH4等气体,若将其直接排放不仅会污染环境,而且造成资源的巨大浪费。相反,将分离提纯后的CO2重新用于驱油,而CH4作为燃料气,则可实现伴生气的资源化利用。显然,有必要开展伴生气的分离工艺研究。当前众多的气体分离方法中,膜
近年来随着环境不断变化,人们在工作和生活中接触到越来越多的应激源,这对人体健康造成了损害。如何预防应激以及治疗应激造成的损伤已成为近年来的研究热点。中药作为传统中医的主要治疗药物,经过几千年的发展已形成一套治疗体系,但由于中药化学成分过于复杂,严重阻碍了中药的深入开发。随着网络药理学的出现,使得深入研究中药不同成分所发挥的机制更加容易,减少了新药研发的工作量。线虫作为一个优秀的模式生物,在药物筛选
多飞行器协同作战问题是目前各国军事研究的重点之一。多飞行器协同作战可以最大限度对资源进行有效利用,发挥飞行器集群作战优势,增强飞行器的作战性能,有助于提高整体军事作战能力。然而,多飞行器协同攻击多目标问题在目标分配及再入协同制导方面仍存在难点,因此本文针对这些问题主要展开以下的研究工作:对协同作战的目标分配方法进行了研究。首先通过考虑敌方目标价值及我方飞行器对敌方目标的损毁概率,以对敌造成最大化伤
随着传统任务复杂性的增加和新应用场景的扩展,单辆无人车很难适应大型环境中的一些复杂情况。与单辆无人车相比,多辆无人地面车协同工作、共同完成任务,有着更高的任务执行效率。多无人车协同覆盖路径规划技术作为协同路径规划技术的一个重要分支,在许多领域都有着广泛的应用,成为近年来的研究热点。现有的相关研究主要集中在平面路径规划上,而忽略了地形对无人车的影响,导致算法无法直接应用在非平面表面的目标区域中。鉴于
汽车热管理控制及其智能化对于电动汽车的发展非常关键。其中空调系统与乘员舱系统的热管理控制的表现关系到车内人员的舒适度,驾驶感受以及对电动汽车的市场印象。另外,高续航里程指标对于电动汽车十分重要,而汽车空调系统作为能耗大户将严重削减电动汽车的续航里程。因此,为了减小里程焦虑问题,同时提升乘员舱热管理控制的智能性与舒适性,需要认真考虑智能化的电动汽车乘员舱温度控制策略的优化设计。对此,本文对电动汽车空
我国建筑业自新中国成立以来不断发展,产值和规模扩展迅猛,一次次突破新高。建筑业快速发展的同时也面临着巨大的风险挑战,由于建设工程规模庞大、劳动强度大、施工周期长、环境复杂多变,工程建设管理方式落后等原因,我国的施工安全生产形势依然严峻。为避免建筑施工安全事故频发,减少事故造成的人员伤亡与财产损失,本文以1325份安全事故调查报告为基础,利用Logit模型进行事故致因分析和机器学习等方法构建预测模型
目的:长链非编码RNA（IncRNAs）与肿瘤的发生、发展有着密切关系,近年来已逐渐成为胶质瘤研究领域的大热点。本研究探讨了 IncRNA LUCAT 1（lung cancer associated transcript 1）在胶质瘤发生、发展中的作用,并探讨了其可能的调控机制。方法:我们使用基因芯片技术进行了前期实验,根据芯片结果我们选取了在胶质瘤中明显上调的lncRNA LUCAT1及共表达
重复控制器（repetitive controller,RC）具有良好的基波信号跟踪和谐波信号抑制能力,然而,重复控制对系统建模的精准度要求较高且在电网频率波动或者弱电网的情况下鲁棒性不足。考虑到鲁棒控制器对系统参数变化不敏感的这一特点,提出一种基于鲁棒重复的复合控制策略。首先,对单相LCL并网逆变器建模以及LCL滤波器的参数进行设计。同时针对单相LCL型并网逆变器的阻尼策略进行探讨。其次,重复控
电力负荷预测涉及生活生产的各个方面,其中短期电力负荷预测更是能源系统日常运行的重要工作之一。随着智能电网的普及,负荷数据量呈指数上升,这给电力预测的准确性带来了更多困难。本文研究旨在分析探索短期电力负荷数据的特性,构建合适的单一预测模型和组合预测模型,最终达到高效准确的电力负荷预测,为电网的运行评估、安全供电、经济发展等提供参考依据。本文研究的主要工作如下:1、通过了解负荷预测发展历史,介绍短期负