王国涛，姜秋喜，刘方正

(国防科技大学电子对抗学院，安徽 合肥 230037)

0 引言

随着LPI雷达信号的广泛应用，战场电磁环境愈来愈密集复杂，给雷达信号的分选带来了极大的威胁。传统的信号分选系统主要利用信号的脉冲重复间隔(PRI)、到达时间(TOA)、到达角(DOA)、载频(CF)以及脉冲宽度(PW)等辐射源描述字(EDW)来完成信号的分选识别，而LPI雷达使用具有宽频带和大时宽的信号，使空间电磁信号在时域大量交叠，频域上跨度增大，受噪声和强信号的影响，弱信号难以被检测出来，密集复杂的电磁环境使得传统算法难以准确地完成信号的分选[1-2]。

独立成分分析技术(independent component analysis, ICA)是一种基于统计数据中寻找内在独立因子或成分的方法。该方法能够在变量和混合系统均未知的情况下，通过对观测信号的分解得到隐藏在其中统计独立的若干变量[3]，FastICA算法是其中运行效率较高的一种算法，目前在生物信号处理[4]、语音信号分离[5]、无线通信[6]和数据挖掘[7]等领域都有广泛的应用。传统FastICA算法是基于二阶牛顿迭代方法，进行合理近似的一种算法。为了提高FastICA算法的稳定性，减少迭代次数，近年来许多学者提出了改进的FastICA算法[8-11]。其中文献[11]基于3阶牛顿迭代法提出了改进的FastICA算法，其收敛速度快于传统算法。为了解决基于辐射源描述字的传统信号分选方法难以适应当前复杂电磁环境的问题，本文提出将基于3阶牛顿迭代的改进FastICA算法应用于雷达信号的分离中。首先采用主成分分析(PCA)技术对信号数据进行降维预处理，然后利用改进算法进行循环迭代得到分离矩阵，最后根据分离矩阵提取出独立的雷达信号成分。……