论文部分内容阅读
在当前复杂的战场环境下,低截获概率的多相码和组合调制类型雷达信号以其大时宽带宽积、高分辨率和抗干扰等优点得到了广泛的应用。传统的雷达侦察方法难以有效地检测和估计多相码及组合调制类型雷达信号的参数。为了解决多相码与组合调制类型雷达信号的检测和参数估计问题,本文结合人工智能,展开了对多相码及组合调制类型雷达信号的智能检测与参数估计方法研究。本文分析了多相码及组合调制类型雷达信号时频特点以及波形参数。在此基础上,提出了基于自动编码器特征提取的智能检测方法、基于卷积神经网络雷达信号的脉内调制识别方法以及基于BP神经网络的雷达信号参数估计方法,主要内容如下:1.提出了基于自动编码器特征提取的智能检测方法,提高了多相码及组合调制类型雷达信号在低信噪比环境下的检测概率。方法采用自动编码器提取信号频谱的深度特征,然后利用分类器完成信号智能检测,深入分析了自动编码器对信号频谱特征提取维数的确定,以及不同分类器对信号检测概率的影响,最终确定将信号的频域谱通过编码器提取到二维并利用决策树完成分类,从而实现在低信噪比环境下对多相码及组合调制类型雷达信号地有效检测。2.研究了基于卷积神经网络雷达信号的脉内调制识别方法,该方法首先提取多相码及组合调制类型雷达信号的时频图像,然后对图像进行下采样和Otus法预处理,将信号的时频图像转换成二值图像,最后,利用卷积神经网络实现了雷达信号的脉内调制识别。该方法在信噪比较低的情况下也能较好地识别9种雷达信号。3.研究了基于BP神经网络的多相码雷达信号参数估计方法,该方法首先利用IQPF方法估计多相码信号FrFT变换的最佳阶数,然后计算最佳阶数下的FrFT域频谱,最后利用BP神经网络完成对时频脊线间隔参数的智能估计;同时研究了基于时频图像对组合调制类型FSK_BPSK信号参数估计的方法,该方法利用Otus法和形态学闭运算,填充因BPSK调制导致在一个FSK的码元内时频图像不连续的像素,然后对时频图像分别进行水平和垂直投影,实现对FSK调制参数估计。以上两种方法低信噪比情况下也能准确地估计信号参数。以上所述方法的有效性都通过了仿真实验进行了验证,结果表明,实现了对多相码及组合调制类型雷达信号的智能检测与参数估计。