针对多雷达辐射源脉冲交错背景下,线性调频(Linear Frequency Modulation,LFM)信号低信噪比导致的脉冲分裂带来原始信号参数难以估计的问题,本文提出了基于深度神经网络和直方图统计的LFM信号两阶段提取与参数估计方法。首先利用双向长...
详细信息
针对多雷达辐射源脉冲交错背景下,线性调频(Linear Frequency Modulation,LFM)信号低信噪比导致的脉冲分裂带来原始信号参数难以估计的问题,本文提出了基于深度神经网络和直方图统计的LFM信号两阶段提取与参数估计方法。首先利用双向长短时记忆网络挖掘原始脉冲流中LFM信号与非LFM信号的调制模式差异并进行分类;其次通过序列调频斜率直方图寻找LFM信号分裂脉冲序列间隐含的原始信号调频斜率信息,提取不同调频斜率的LFM信号脉冲子序列;最后在每个子序列中分别估计原始信号的参数。仿真实验结果表明,相较于传统的序列差值直方图算法和循环神经网络分选方法,本文所提方法能够更准确地提取出LFM脉冲信号,并得到较为精确的参数估计结果。
随着数字射频存储器(digital ratio frequency memory, DRFM)的成熟发展与广泛应用,基于DRFM的相干转发干扰成为当前雷达干扰技术的主流。相干转发干扰具有转发效率高、相干性强等突出优势,并且在数字域的处理算法灵活高效,能够产生...
详细信息
随着数字射频存储器(digital ratio frequency memory, DRFM)的成熟发展与广泛应用,基于DRFM的相干转发干扰成为当前雷达干扰技术的主流。相干转发干扰具有转发效率高、相干性强等突出优势,并且在数字域的处理算法灵活高效,能够产生复杂多样的干扰效果。但经过大量实践发现,当需要产生大范围连片干扰效果时,若干扰机采用密集转发,不但使DRFM运算量急剧增加,而且会破坏恒模约束,导致干扰机功放效率严重下降。基于该情况,本文提出了线性调频(linear frequency modulation,LFM)雷达信号的拉伸变换干扰方法:在数字域对雷达信号的脉宽、带宽分别压缩、展宽,即拉伸变换,再将其辐射至雷达接收机。拉伸信号经匹配滤波处理后,会呈现大范围连片相干干扰效果,干扰效果受拉伸变换因子影响,灵活可调,且拉伸变换干扰满足恒模约束。
暂无评论