無源偵收設(shè)備中的信號(hào)檢測與分選技術(shù)研究.pdf

1、目前，電子戰(zhàn)是除了“海、陸、天、空”四種戰(zhàn)爭外的第五類戰(zhàn)爭，是各國軍事實(shí)力的重要體現(xiàn)。電子偵察是取得電子戰(zhàn)勝利的基礎(chǔ)，而信號(hào)的檢測與分選是電子偵察系統(tǒng)中的重要組成部分，因此能否準(zhǔn)確的檢測出信號(hào)并對各種信號(hào)進(jìn)行精確分選是取得電子戰(zhàn)成功的關(guān)鍵。近幾年，神經(jīng)網(wǎng)絡(luò)、遺傳算法等人工智能算法層出不窮，但是由于實(shí)時(shí)性的限制，在工程實(shí)踐中，一些傳統(tǒng)經(jīng)典算法仍然占據(jù)著重要的位置。
　　本文主要針對實(shí)際無源偵收設(shè)備接收到的信道化后的數(shù)據(jù)進(jìn)行檢測，由于

2、自相關(guān)檢測法實(shí)時(shí)性強(qiáng)，易于工程實(shí)踐，因此采用自相關(guān)檢測法進(jìn)行信號(hào)的檢測。針對傳統(tǒng)的自相關(guān)檢測法并不適合多通道的信號(hào)檢測這一缺點(diǎn)，對其改進(jìn)得到了N點(diǎn)自適應(yīng)的分段自相關(guān)檢測法；同時(shí)，在一定信噪比情況下改進(jìn)的自相關(guān)檢測法比滑窗能量積累檢測法檢測概率高，檢測誤差大，進(jìn)而采用二者相結(jié)合的方法進(jìn)行信號(hào)的檢測，提高了檢測概率，降低了檢測誤差，并且實(shí)時(shí)性強(qiáng)易于工程實(shí)踐。最后根據(jù)合并后的包絡(luò)進(jìn)行參數(shù)的測量得到脈沖描述字（PDW），以此進(jìn)行預(yù)分選、分選。<

3、br>　　信號(hào)的分選分為預(yù)分選與分選兩部分。根據(jù)得到的脈沖描述字，本文采用K-Means算法對載頻和脈寬進(jìn)行聯(lián)合預(yù)分選，并針對K-Means算法初始聚類中心和聚類個(gè)數(shù)無法確定以及異常數(shù)據(jù)（孤立點(diǎn)和噪聲點(diǎn)）對算法影響較大這兩個(gè)缺陷進(jìn)行改進(jìn)，得到了基于雙層差分的K-Means算法。首先通過網(wǎng)格法對異常數(shù)據(jù)進(jìn)行去除，然后利用雙層差分算法來初始化聚類中心和個(gè)數(shù)，在降低了迭代次數(shù)的同時(shí)也提高了分選準(zhǔn)確率；最后借助SDIF算法對預(yù)分選的結(jié)果進(jìn)行信號(hào)