论文部分内容阅读
有源电子扫描阵列(AESA,Active Electronically Scanned Array)雷达具有发射信号特征多变、波束捷变、信噪比低等诸多优良特性,目前新型的多功能雷达在执行常规的搜索和跟踪工作方式的同时,也安排一部分资源来完成成像功能,传统的电子侦察手段难以对这类信号进行分选和工作模式的识别。针对AESA和SAR雷达信号分选和工作模式识别对雷达侦察带来的挑战,本文开展了AESA和SAR雷达信号的智能分选与工作模式识别方法的研究。本文分析了AESA和SAR雷达特点及信号参数,在此基础上,研究了基于网格密度的参数自适应分选方法,并从雷达信号高维特征的稀疏性入手,基于高维子空间聚类算法对分选后的单部多功能雷达信号进行工作模式识别,并验证了算法的有效性。主要研究内容及成果如下:1、针对多功能雷达发射的信号具有波形捷变等特点,研究了多功能雷达的信号参数,在常规雷达信号的基础上进行扩展,并且对多种工作模式的信号进行联合参数建模,为后续信号分选与工作模式的识别提供基础。2、针对传统雷达信号分选算法需要先验信息设置阈值的问题,研究了基于网格密度参数自适应分选方法。首先深入分析了传统的预设网格量化尺度对聚类结果的影响,并研究参数自适应处理办法;将动态网格划分方法和移动网格技术联合用于该算法,有效避免聚类过程中产生不必要的空网格。之后研究了兼顾过渡网格的网格合并和边界处理方法。最后基于上述算法对AESA雷达和SAR雷达信号进行分选仿真实验,并分析了在脉冲丢失和存在噪声干扰的情况下的分选效果,从正确分选、漏分选和错误分选三个角度对算法的效果进行评估,证明该算法对多功能雷达信号智能分选的有效性。3、从多功能雷达信号的高维特征稀疏性原理出发,研究基于高维子空间聚类的工作模式识别算法。将核密度估计方法引入该算法,在此基础上,再进行数据转换并对密集子空间进行挖掘,得到各种工作模式的类簇。最后在脉冲丢失和存在噪声干扰的多种情况下,利用分选后的单部多功能雷达的多种工作模式的信号脉冲进行仿真,从识别正确率和识别误差两个方面对识别结果进行评估,验证了该方法对噪声数据不敏感,对多种工作模式有较好的识别效果,为多功能雷达的工作模式识别提供了一种全新的思路。