摘要：[目的]城市轨道交通无线通信系统中存在大量外部干扰信号,对行车安全构成重大隐患。针对辐射源射频特征易受噪声与干扰影响,导致识别准确率低的问题,须提出一种基于增强对角积分双谱的通信辐射源个体识别方法,为轨道交通无线通信系统安全保障提供有效新途径。[方法]分析了对角相关局部积分双谱(DCLIB)的数据处理过程及原理,阐述了双谱变换的计算、增强对角积分双谱的计算、自适应双谱积分区间的划分,以及基于残差网络的辐射源识别方法。基于实际Wi-Fi(无线保真)设备进行仿真试验,对DCLIB方法和其他辐射源识别方法的识别效果进行分析对比。[结果及结论]DCLIB方法先估计通信辐射源信号的双谱,并利用次对角线各平行线的自相关特性形成新的谱信息以增强信号的细微特征;然后依据谱信号强度自适应选取合理的谱信号积分区间,在降低噪声影响的同时降低算法的计算复杂度,从而获得增强的对角积分双谱;进而将所提DCLIB信号作为辐射源的射频指纹特征,采用深度残差网络实现辐射源个体识别。基于实际Wi-Fi设备的仿真识别试验结果表明,DCLIB方法的识别准确率最优,并具有良好的抗噪声性能。

摘要：1.前言Kosk于1986年提出了模糊联想记忆(Fuzzy Associative Memory,FAM)系统,它模拟了人脑通过模糊联想记忆,能够对目标进行划分并对此进行识别判断的方法,对目标进行智能分类识别.

摘要：针对低信噪比(SNR)条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。

摘要：多功能雷达在复杂程序调度下,发射信号参数呈现取值范围宽、捷变速度快、变化随机性强等特点,非合作接收方难以对其建立有效的信号模型,给电子侦察系统的雷达辐射源识别带来严峻挑战。本文提出一种基于深度学习的复杂体制雷达辐射源识别方法,利用大样本全脉冲数据形成脉间参数变化的图像特征表示,从宏观上揭示雷达辐射源隐含的波形设计机理,并设计了基于AlexNet网络的图像特征深度学习网络开展辐射源识别,实测数据实验表明了本文的方法对一定时间跨度内的有限部同型多功能雷达具有良好的识别性能,为多功能雷达辐射源智能个体识别提供了新的解决思路。

摘要：针对现在普遍采用数据库比对进行雷达辐射源识别的不足,深入研究了基于模糊推理的雷达辐射源识别方法。首先,设计了系统特征参数的属性函数;其次,确定了推理规则、推理算法,以及系统输出结果的解模糊算法。最后,进行了仿真验证,结果表明该方法具有较高的识别正确率。

摘要：针对低截获概率(LPI)雷达辐射源识别领域中,目标检测类方法实时性不高的问题,提出基于改进SSD的LPI雷达辐射源识别算法。该算法采用精度更高、速度更快的ResNet-50代替VGG-16网络,并对网络进行改进设计;此外,通过构建多径莱斯衰落信道仿真更贴近真实环境的数据集,以提高模型的实用性。仿真实验结果表明,针对7种LPI雷达信号的识别,在信噪比为-4 dB时识别准确率可达到92.9%,与原始SSD模型相比,训练及检测速度分别提高了28.50%和29.74%。

摘要：针对辐射源识别系统中分类器设计分析的不足,本文从分类器的两大基本任务拒识和鉴别出发,研究辐射源识别系统中的分类器设计。首先详细分析了拒识和鉴别先后执行顺序对系统性能的影响;然后阐述了拒识分类器和鉴别分类器设计所需要考虑的要点;最后根据当前分类器和工程应用的状况,分析适合于辐射源识别系统的分类器。

摘要：信息融合技术在辐射源识别中发挥着重要的作用 ,是对辐射源作出正确判断的关键步骤 ;本文将多元决策的信息融合方法应用于辐射源识别中 。

摘要：针对复杂体制雷达辐射源的识别问题,提出了一种基于时频特征提取与多级跳线残差网络(multi-level jumper residual network,MLJ-RN)结合的识别方法。首先,计算辐射源信号的平滑伪Wigner-Ville时频分布生成时频图像以表达信号本质特征,将图像进行预处理以保留信号细微特征差异。然后,设计多级跳线连接的残差单元,在此基础上构造MLJ-RN,对时频图像相邻卷积层的细微特征进行学习和识别,并使用随机梯度下降法训练网络。最后,通过对网络进行参数优化,强化对信号的深层特征提取能力。仿真结果表明,信噪比为-5 dB时,该方法对12类雷达辐射源信号的整体识别概率达到95.1%,从而验证了该方法在低信噪比下识别雷达信号的有效性。

摘要：现代雷达信号体制越来越复杂，使得现有的雷达信号特征描述方式很难有效地对复杂体制辐射源进行描述分析。为解决复杂体制雷达辐射源的识别问题，文章提出了一种新的雷达信号描述方式——脉冲样本图，并设计了一种可以对其进行分类识别的BP（BackPropagation）网络。仿真实验表明该网络可以对脉冲样本图进行有效识别，为解决复杂体制雷达辐射源的识别提供了新思路。