刘 傲,周 正,李双明

(海军航空大学,山东 烟台 264001)

0 引 言

相控阵雷达作为一种新体制雷达,具有多种功能并行的特点,使得电子支援措施(electronic support measure,ESM)难以识别出其工作状态及其他信息,给辐射源识别带来很大挑战[1-3]。

国内外学者对雷达辐射源识别做了很多研究。从序列分析的角度,文献[4]提出了一种适用于具有未知规则性的雷达信号序列预测状态表示法;文献[5-7]将相控阵雷达的工作机制与生物体的细胞做类比,依据两者在系统结构及运行机制上的相似性,把生物基因工程序列分析技术运用到相控阵雷达识别中。从脉内特征方面,文献[8]在时频域提取了奇异值作为特征描述,建立了联合协作表示模型,增加了类间区分度;文献[9]根据双谱变换更能突出信号间差别的特性,提出了基于双谱和加速鲁棒的特征进行识别。在构建新识别模型方面,文献[10]引入一个平滑的权值函数来解决数据偏差问题,在此基础上提出了一种基于加权xgboost的识别模型;文献[11]构建了一种包含卷积神经网络(convolutional neural network,CNN)和Elman神经网络的雷达识别方法,使得在低信噪比下仍有较高准确性;文献[12]利用粒子群优化算法和支持向量机建立模型进行识别,提高了识别精度;文献[13]通过深度CNN的方法,取得了更好的泛化能力和特征表示优势。从信号能量角度,文献[14]计算各频率采样值在不同时间采样下的累积量,得到短时傅里叶变换的能量累积量,通过增强型深信度网络对雷达辐射源进行识别和分类;文献[15]根据信号能量在不同分数阶傅里叶变换域角度的变化,将信号分解成多个分量,结合CNN,取得了较好的识别效果。……