基于小波及原子庫的信號脈內(nèi)調(diào)制方式分析算法研究.pdf

1、為了對多部敵方雷達(dá)進行分辨與識別，并且獲取不同雷達(dá)的各項參數(shù)，需要用信號分選技術(shù)對偵收到的隨機交迭的信號脈沖流進行分析。新體制雷達(dá)信號不斷出現(xiàn)，它們功率低、頻帶寬并有著良好的隱蔽性和抗干擾能力，這使得基于經(jīng)典5參數(shù)（RF、TOA、PW、PA、DOA）的信號分選方法面臨巨大困難。采用脈內(nèi)特征參數(shù)識別輻射源信號是近年來的普遍共識，運用時頻分析理論分析截獲信號的脈內(nèi)特征，也是當(dāng)前研究的熱點。信號的脈內(nèi)調(diào)制形式眾多，其中相位編碼信號（PSK）與

2、線性調(diào)頻信號（LFM）為兩種典型的低截獲概率信號，也是本文研究的重點。
　　對于PSK信號的識別，關(guān)鍵在于突變點檢測。本文先后采用了小波變換中的多分辨分析（MRA）方法、以及Gabor變換兩種方法進行檢測。其中，MRA算法優(yōu)勢為其多尺度特性，可以利用不同波形的小波對不同的突變點進行適應(yīng)，但其處理結(jié)果隨載頻的變化而很不穩(wěn)定。Gabor變換具有非常強的時頻分辨力，且處理結(jié)果穩(wěn)定，但傳統(tǒng)方法需進行二維Gabor變換，其計算速度較慢，且在

3、Gabor變換之后，需要進行較復(fù)雜的脊線提取過程。因此，本文提出了一種一維Gabor變換算法，在保證較好的穩(wěn)定性的同時，也具有較快的運算速度。
　　LFM信號識別的關(guān)鍵在于能否完整地獲得信號時頻能量圖的線性特征。本文采用STFT獲得信號的時頻能量圖，再擬合其脊線，獲取其中心頻率、調(diào)制斜率等參數(shù)。該算法處理時間較短，但該方法獲得的線性特征分散、對噪聲相對敏感、且在存在信號交迭時失效的問題。TFAD算法能夠獲得LFM信號完整的自然特征