-
题名基于无意调相边带信息的雷达辐射源个体识别
- 1
-
-
作者
黄湘松
王振
潘大鹏
赵一洋
-
机构
哈尔滨工程大学信息与通信工程学院
哈尔滨工程大学先进船舶通信与信息技术工业和信息化部重点实验室
哈尔滨工程大学航空工业电磁频谱协同探测与智能认知联合技术中心
-
出处
《电子与信息学报》
北大核心
2025年第6期1762-1771,共10页
-
基金
黑龙江省教育科学规划课题(GJC1319018)
哈尔滨工程大学校级本科教育教学改革研究项目(JG2019B24,JG2019B86)。
-
文摘
无意调相是雷达辐射源个体识别中的关键信息,能够提供细微的相位变化信息,捕捉到不同辐射源的微小差异,在区分具有相似硬件结构的雷达辐射源时具有显著优势。针对同一厂家生产的同型号辐射源无意调相特性区分性不明显的问题,该文提出一种基于无意调相边带信息与深度学习相结合的个体识别方法。通过深入挖掘无意调相特性中的边带信息,增强不同辐射源个体间的差异性,并引入双路循环膨胀卷积网络增加神经网络感受野。实验实测数据显示,该方法在信噪比为5 dB的条件下,仍能对10台同型号的辐射源实现87.58%的平均识别准确率,对比1维残差网络,识别精度提高了21.41%。
-
关键词
辐射源个体识别
无意调相
边带信息
循环膨胀卷积网络
同步压缩小波变换
-
Keywords
Radar Emitter Identification(REI)
Unintentional Phase Modulation On Pulse(UPMOP)
Sideband Information
Circular Dilated Convolutional Neural Network(CDCNN)
Wavelet SynchroSqueezed Transform(WSST)
-
分类号
TN971
[电子电信—信号与信息处理]
-
-
题名基于双卷积自编码器的自适应波束形成
- 2
-
-
作者
蒋伊琳
李帅
郑沛
唐元博
-
机构
哈尔滨工程大学
航空工业电磁频谱协同探测与智能认知联合技术中心
试验物理与计算数学国家级重点实验室
-
出处
《电子与信息学报》
北大核心
2025年第2期510-518,共9页
-
基金
国防科技基础加强计划(2019-JCJQ-ZD-067-00)。
-
文摘
在低信噪比环境下,阵列天线获取空域信号的来波方向极其困难,导致一般的波束形成方法无法准确形成正对入射信号的波束。针对上述问题,该文提出了一种基于双卷积自编码器的盲接收自适应波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming,DCAE-ABF)方法,该方法在基于大量空域统计信息的情况下,以时域-频域联合条件作为约束,利用两个独立的卷积自编码器(CAE)分别对阵列接收信号与辐射源信号进行特征提取,并使用深度神经网络(DNN)将两个CAE的特征编码进行连接,构建DCAE网络,实现在低信噪比环境下,面对未知频率和来波方向的入射信号时,也能够自适应形成正对入射信号的波束,达到盲接收的效果。仿真实验结果表明,在低信噪比环境下,单信号与双信号入射时所带来的信噪比增益均高于常规波束形成(CBF)方法与基于最小均方误差的自适应波束形成(Minimum Mean Square Error-Adaptive BeamForming,MMSE-ABF)方法,以及基于卷积神经网络的自适应波束形成方法(Convolutional Neural Networks-Adaptive BeamForming,CNN-ABF),且该增益在入射信号频率、角度变化时仍具有良好的稳定性。
-
关键词
自适应波束形成
卷积自编码器
盲波束形成
信噪比增益
-
Keywords
Adaptive beamforming
Convolutional autoencoder
Blind beamforming
Signal-to-noise ratio gain
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
