论文部分内容阅读
在现代电子对抗侦察和电子情报（ELINT）中,对宽带雷达信号的识别和波达方向（DOA）估计是十分重要的课题。如何有效识别辐射源信号种类及测量方向角,决定了装备发挥的效能。本文以宽带雷达信号的DOA估计算法为主要研究内容,并将脉内调制雷达信号的识别作为辅助内容进行研究,给出了两种脉内调制信号识别算法和三种宽带雷达信号DOA估计算法。识别出信号调制样式的目的是在后续DOA估计算法的仿真过程中,讨论不同调制样式的宽带雷达信号的DOA估计效果对比,从而有针对性地进行算法选取和子频带划分。总而言之,针对识别和DOA估计这两个雷达对抗侦察系统中的关键技术,本文的主要研究工作如下。论文研究了两种脉内调制雷达信号识别算法。首先实现了一种联合多层次雷达信号识别算法。将分数阶傅里叶变换与多重相位差分法嵌套使用,利用各信号分数阶傅里叶域模值最大位置的不同进行类间粗分辨,利用多重相位差分特征的不同进行类内细分辨,从而实现了对多雷达信号的调制识别。其次提出了基于双谱对角切片多重分形特征的识别方法,计算雷达信号的双谱对角切片,通过多重分形,提取出多个用于信号识别的特征参数,输入到支持向量机分类器进行调制方式识别,利用双谱对高斯噪声的抑制以及多重分形对噪声不敏感的性质,实现了多种调制信号在较低信噪比下的准确识别。论文研究了稀疏表示框架下宽带信号的DOA估计问题。首先将蝙蝠算法运用到MOMP算法的寻优过程中去,将MOMP算法中迭代寻找最佳匹配原子的过程等效为蝙蝠算法中寻找最优蝙蝠的过程,充分利用蝙蝠算法种群式的搜索方式和飞行时极好的回声定位能力,提高算法的实时性,实现快速的宽带信号重构和DOA估计。其次研究了基于加权1l-SRACV的稳健算法,对优化目标进行加权,减少低信噪比下情况下的虚假估计,然后将协方差矩阵进行极大似然处理,稳定了协方差的小特征值,避免了由于快拍数较小导致的小特征值不稳定,提高了算法的稳健性,使得在小快拍时仍然可以得到较高的估计精度。最后提出了空时联合块稀疏贝叶斯学习（STC-BSBL）算法,解决实际DOA估计问题中,宽带信号在多观测矢量间存在的时域相关性的情况,以弥补传统DOA估计算法的不足,提升估计精度。