论文部分内容阅读
雷达是现代电子战中不可缺少的组成部分,随着电子干扰技术的不断发展,现代雷达处在日趋复杂的电磁干扰环境中。作为一种非常有效的干扰手段,有源干扰对雷达的正常工作产生了非常严重的影响。在雷达信号处理过程中,首先需要通过分析干扰信号的特性,确定干扰信号的类型。然后采取一定的抗干扰措施,使雷达能够准确地跟踪或检测到目标信号。因此,干扰信号类型识别是雷达抗干扰的基础和前提,本文将围绕雷达有源干扰的识别展开研究。文中首先简要介绍了雷达有源干扰的几种分类方式,分析了几种典型的有源干扰信号的产生机理,其中主要包括遮盖性干扰和欺骗性干扰两大类。建立不同干扰信号的数学模型并进行仿真,为干扰信号的特征提取和类型识别奠定基础。然后,从信号处理的角度出发,分析了有源干扰信号在时域和频域的特性,提取了几种受噪声影响较小的特征参数,仿真分析了干扰信号在不同干噪比(JNR)条件下,其特征参数的变化情况。此外,研究了不同干扰信号特征参数之间的差异,利用这些差异区分不同类型的有源干扰信号。在干扰信号特征分析及提取的基础上,分别采用决策树方法、BP神经网络方法和支持向量机(SVM)方法对有源干扰信号进行类型识别。仿真了各种干扰信号在不同干噪比下的识别率,并对三种分类方法的性能进行了进一步的对比分析。仿真结果表明,基于决策树的分类方法是一种传统的分类方法,实现简单,分类效果好,但是这种方法对门限值的要求较高,并且在干噪比较低的情况下,该方法将会失效。基于BP神经网络的方法的分类性能较好,具有一定的智能性,但实时性较差。基于支持向量机的分类方法不需要设置门限值,它能够实现自动识别,计算量较小,同时,总体的识别率高于决策树方法和BP神经网络方法。最后,对实测的干扰数据的特性进行了仿真分析,研究结果表明,实测干扰数据的部分特征参数与理论仿真结果一致,而一些特征参数与理论仿真结果相差较大,还需进一步的研究分析,并用决策树法对实测的干扰数据进行了识别,证明了识别方法的有效性。