基于流形学习的LFM信号模糊函数特征提取与识别研究-论文.pdf

《基于流形学习的LFM信号模糊函数特征提取与识别研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年8月舰船电子对抗Aug．2014第37卷第4期SHIPBOARDELECTRONICC0UNTERMEASUREVo1．37No．4基于流形学习的LFM信号模糊函数特征提取与识别研究邢强，朱卫纲，薄远(装备学院，北京101416)摘要：现代多功能雷达向多功能、多用途方向发展，具有多种工作体制与工作状态，同时，雷达采用复杂的波形设计。现代电磁环境复杂，杂波、噪声干扰严重。上述原因使得雷达信号的特征提取与识别变得越来越困难。传统雷达信号的特征提取与识别方法分别是针对雷达信号特征提取过程中存在的某一个或几个方面

2、的问题提出的，各有优点和不足，并不适用于所有情况下的所有信号。提出用流行学习对线性调频(LFM)信号模糊函数进行特征提取，并对其进行了仿真与分析。关键词：雷达；特征提取；识别；流行学习中图分类号：TN971．1文献标识码：A文章编号：CN32—1413(2014)03—0091—04ResearchintoTheExtractionandRecognitionofLFMSignalAmbiguityFunctionFeatureBasedonManifoldLearningXINGQiang，ZHUWei—gang

3、，BOYuan(EquipmentAcademy，Beijing101416，China)Abstract：Modernmulti—functionradariSdevelopedmoreandmoremulti—functionandmulti—pur-pose，hasmultipleoperationsystemsandstates，andadoptscomplicatedwaveformdesign。Mordernelectromagnetismenvironmentiscomplicated，andthec

4、lutter／noisejammingisserious．Theabovereasonsmakethefeatureextractionandrecognitionmoreandmoredifficult．Traditionalfeatureex—tractionandrecognitionmethodsofradarsignalareusuallyputforwardaimingatacertainorsev—eralproblemsexistedinfeatureextractionprocessofradar

5、signal，haveadvantagesanddisadvanta—gesseperately，arenotadaptedtoallsignalsinallstates．Thispaperpresentsthemanifoldlearningtoperformfeatureextractiontotheambiguityfunctionoflinearfrequencymodulationsignal，whichhascatholicity，andperformssimulationandanalysistoth

6、emethod．Keywords：radar；featureextration；recognition；manifoldlearning多普勒不敏感信号，也就是说，即使LFM回波信号士0丘的多普勒频移比较大，匹配滤波器仍然能够对其进现代雷达面向多功能、多用途方向发展，一部雷行脉冲压缩，所以LFM信号是常用的一种雷达信达有多种工作状态和工作体制，同时为了提高自身号。上述特点破坏了信号分析所利用的信号规律性能和抗干扰的需要，往往采用多种波形设计。通性，使雷达的侦察工作受到影响[1]。过非线性相位调制来获取较大的时宽带宽

7、积是雷达雷达信号特征提取技术为解决上述问题提供了信号设计中常采用的方式之一，即调频脉冲压缩信方法，它是现代高技术战争和将来的信息化战争中号。调频脉冲压缩信号包括线性调频信号和非线性至关重要的环节，是网络中心战中侦察系统的关键调频信号。由于线性调频(LFM)回波信号是一种技术。雷达信号特征提取，特别是复杂电磁环境下收稿日期：2013—12—2092舰船电子对抗第37卷未知参数的雷达信号特征提取是电子情报侦察系统1特征提取及仿真(ELINT)和电子支援系统(ESM)中的重要组成部分，只有在对信号特征提取的基础上，才能对

8、雷达类(1)流形学习基本原理型和威胁性质进行识别，因此雷达信号特征提取是随着信息科学技术的不断发展，现代科研过程电子对抗领域中的一个关键技术。在学习的基础中会遇到很多数据量大且数据维数高的情况，应该上，更加深入地研究雷达信号的特征提取方法，探索认识到从大数据量的高维数据中获取低维流形结构研制新型雷达截获接收机处理系统有着迫切的需数据(即找到高维空间中的低维流