雷达信号分选,Radar signal sorting
1)Radar signal sorting雷达信号分选
1.Study on Radar Signal Sorting Based on Blind Source Separation;基于盲信源分离技术的雷达信号分选研究
2.A study on radar signal sorting based on independent component analysis基于独立分量分析的雷达信号分选研究
3.Traditional self-organizing feature mapping (SOFM) neural network is analysised based on theapplication requirements for radar signal sorting.基于雷达信号分选的应用需求,对传统自组织特征映射(SOFM)神经网络进行了分析,提出一种结构自调整的改进型SOFM神经网络,并进行了分选仿真。
英文短句/例句
1.Radar signal sorting based on particle swarm optimization clustering algorithm基于粒子群聚类算法的雷达信号分选
2.Sorting of Radar-signals Based on Modified Fuzzy Clustering基于改进的模糊聚类的雷达信号分选
3.Radar Signal Sorting Algorithm Based on Kernel Fuzzy Clustering Means基于核模糊聚类的雷达信号分选算法
4.A study on radar signal sorting based on independent component analysis基于独立分量分析的雷达信号分选研究
5.Radar Signal Sorting of Adaptive Blind Separation Algorithm Based on ICA基于独立分量分析的雷达信号分选算法
6.Sorting radar signal based on the resemblance coefficient of bispectrum two dimensions characteristic基于双谱二维特征相像系数的雷达信号分选
7.Radar Signal Sorting Based on Ant Colony and K-Means Clustering基于蚁群算法的K-Means聚类雷达信号分选算法
8.Radar Signal Sorting Based on Ant Colony Clustering基于改进的蚁群聚类雷达信号分选算法研究
9.Application of Blind Signal Extraction to Radar Signal Sorting Based on Kurtosis基于峭度的盲抽取技术用于雷达信号分选
10.Aviation radar signal sorting based on multi 2-dimension RBF neural network基于多二维RBF神经网络的航空雷达信号分选
11.Double-Threshold PRI Sorting Algorithm Based on PRI Spectrum and Its Sorting Platform Design基于PRI谱的双门限雷达信号分选算法及其硬件平台设计
12.Deinterleaving Models and Algorithms for Advanced Radar Emitter Signals;复杂体制雷达辐射源信号分选模型与算法研究
13.Research on Algorithms for Radar Emitter Signal Sorting in Complex Environments复杂环境下雷达辐射源信号分选算法研究
14.Sorting Unknown Radar Emitter Signal Based on the Complexity Characteristics基于复杂度特征的未知雷达辐射源信号分选
15.A novel method for sorting radar emitter signal based on the ambiguity function基于模糊函数的雷达辐射源信号分选新方法
16.Sorting of Radar Emitter Signal Based on New Feature Parameters基于新特征参数的雷达辐射源信号分选
17.A new method of sorting unknown radar emitter signals一种未知雷达辐射源信号分选的新方法
18.Signal Sorting Methods for Unknown Radar Emitters in Complex Environments;复杂环境下未知雷达辐射源信号分选的理论研究
相关短句/例句
sorting of radar signal雷达信号分选
1.The paper discusses three related-parameters comparing method and the design of FIFO for presorting of radar signals in the present complicated electromagnetic circumstance,and introduces the internal principle of the pure hardware comparer and its implementation.讨论了在现代密集复杂的电磁对抗环境中实现雷达信号分选预处理的三参数关联比较技术和FIFO缓冲电路的设计,介绍了已实现的纯硬件三参数并行关联比较器的内部原理和具体实现过程,并分别通过Altera公司的QuartusII和Mentor Graphics公司的Model Sim专业软件仿真验证了设计的正确性,基本上实现了雷达信号的纯硬件快速预分选,达到了实时性和可靠性的要求。
3)radar signal preselection雷达信号预分选
4)radar signal sorting and re cognition雷达信号分选识别
5)Synthetically Sorting of Radar Signals雷达信号综合分选
6)radar signal sorting and recognition雷达信号分选和识别
延伸阅读
雷达信号分选从随机交错的信号流中分离出各单部雷达信号的处理过程。分选的实质就是对随机信号流进行去交错的过程。在高密度信号环境下工作的现代雷达侦察设备必须具备信号分选的功能。早期的雷达侦察设备所面临的环境简单：雷达数量不多，工作时间较长，信号形式简单，信号参数不变或只是缓慢变化。因此，侦察设备所要处理的典型信号环境是单部雷达逐次照射而形成的周期性脉冲群(图1a)。对这样的雷达信号流，由于不是多部雷达交错，而不存在分选问题，并且即使采用人工操作，使用模拟的信号分析设备也可测得雷达信号的参数,如脉冲宽度τ、脉冲重复频率Fr、天线照射时间ta、天线扫描周期Ta和脉冲波形等。根据这些信号参数，便可对雷达属性和威胁程度进行识别。60年代末和70年代初，随着雷达和导弹武器的发展和大量使用，战时一架飞机(或一艘军舰)在作战中会同时受到很多雷达的照射。其中,有各种警戒引导雷达,也有具有严重威胁的炮火瞄准雷达、制导雷达和导弹上的寻的雷达。这时，雷达侦察设备所面临的典型信号环境是由许多雷达辐射的信号所随机交错的密集脉冲流（图1b）。密集信号的交错使信号环境发生了质的变化。对于这样的信号流，如果不首先将随机交错在一起的信号去交错,并分离成各雷达单独的脉冲列(图1a),就无法发现各雷达的照射，识别其属性和威胁程度。因此，现代雷达侦察系统首先要具备的信号处理功能，就是对随机交错信号能进行自动分选。只有在信号分选的基础上,才能分别测出各雷达参数,进而完成对各雷达的识别。分选原理 利用信号自身具有的相关性实现信号分选。在随机交错的脉冲流中，同一雷达信号各个脉冲之间具有相关性，如具有相同的脉冲宽度、相同的重复周期、相同的载频、来自相同的方向等。不同雷达信号的信号参数必然存在着差异。利用同一雷达信号的这种相关性和不同雷达信号的差异性，便可将每部雷达的脉冲列及其参数从随机交错的信号流中分选出来。一旦分选出各雷达信号的参数，就可以对雷达信号进行分析和识别。信号参数中可用于分选信号的参数称为信号分选参数。信号参数是很多的，但可用作信号分选的参数主要有：脉冲重复周期或重复频率、脉冲宽度τ、载频f、信号的到达方向θ及信号的幅度(A)。信号的其他参数，如脉冲宽度的跳变、脉冲幅度的变化规律、脉冲重复频率的跳变量和跳变规律、载频的跳变量和跳变规律等，对于信号识别是非常重要的，但通常不用作分选参数。在信号分选过程中，参与分选的信号参数越多，则分选功能越强，更能适应密集信号环境，对复杂信号进行分选。但是，实现多参数分选，需要侦察系统具有瞬时测量这些参数的能力，如瞬时测量脉冲到达时间、脉冲宽度、脉冲幅度，瞬时测频和测向等。此外，侦察系统还应具有对所测数据进行实时处理的能力。脉冲重复频率是最早用于信号分选的单个参数。因为对于低密度的信号环境利用脉冲等间隔地重复出现这一特性，易于从交错信号流中分离出单部雷达的脉冲列。但仅用脉冲重复频率进行单参数分选时，只能适应信号密度不高的环境，而且只能分选重复频率不变的信号。如要对重复频率变化的信号或大量交错的信号进行分选，就需要借助其他信号参数才可完成。在参数分选中，脉宽和方向是十分有用的分选参数，一般可认为是不变化的。当密集的信号流中有多个重复频率变化和载频捷变的信号时,就需借助于脉宽τ和方向θ这两个参数才可完成分选任务。用精确的到达方向θ作为密集信号的预分选参数，是解决各类频率捷变、重复频率捷变和脉宽变化的信号分选时的可靠途径。现代雷达侦察设备一般采用多参数分选。整个分选过程分为两个阶段，即预分选和脉冲重复周期分选。多参数分选的原理如图2。以脉冲重复周期、脉冲宽度τ、到达方向θ三参数分选为例，预分选是在方位θ和脉宽τ二维空间进行的。根据参数测量精度墹θ和墹τ,这个空间按纵横分别划分为m和n个等分，因而整个空间被分为mn个子区间。预分选将随机脉冲流中具有相同方向θ和相同脉冲宽度τ的脉冲数据存储在同一子区间里，然后，逐个地对各子区间根据脉冲到达时间进行脉冲重复周期的分选。分选技术 信号分选技术有硬件分选和软件分选两类。硬件分选是利用逻辑电路进行信号分选，具有处理速度快和实时性好等优点，一般用于预分选。软件分选主要是用计算机对到达时间进行相关运算。先将脉冲重复周期固定不变的雷达信号取出来;然后,根据其他参数的相关性取出脉冲重复周期跳变或抖动的雷达信号，也可取出载频捷变等复杂雷达信号。信号的分选过程如图3。在分选以前要求接收机对随机交错信号流中的每个脉冲进行脉宽、载频、到达时间、到达方向、脉幅的测量，经过模拟-数字变换,以二进制数据送到相关处理电路。相关处理后，对每个脉冲形成一组反映其参数的脉冲数据描述字，然后，通过计算机在脉冲数据描述字的基础上进行信号分选。上述分选方法有较强的分选功能，但实时分选信号的能力受计算机速度的限制。对高密度信号进行分选，常在预分选之前插入一个剃除器，把已分选过的信号参数存在剃除器中，信号流的脉冲逐个与存储的信号参数进行高速比较，凡是参数相同的脉冲均被剃除，使进入分选的数据率降低到预分选和计算机能够适应的范围。
