复杂调制信号截获、分选与识别PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 复杂调制信号 1

1.3 复杂调制信号截获与特征提取研究现状 3

1.4 复杂调制信号分选与识别研究现状 5

1.4.1 基于脉冲描述字的分选识别 6

1.4.2 基于时频变换域的分选识别 8

1.5 研究内容 10

参考文献 13

第2章 LFM类信号的截获与特征提取 19

2.1 引言 19

2.2 线性调频信号与分数阶傅里叶变换 20

2.2.1 线性调频信号 20

2.2.2 分数阶傅里叶变换 21

2.2.3 LFM信号的分数阶傅里叶变换 22

2.3 基于FRFT的LFM信号的检测与参数估计 28

2.3.1 单分量LFM信号的检测与参数估计 28

2.3.2 多分量LFM信号的检测与参数估计 29

2.3.3 检测与估计性能 30

2.3.4 对中心频率的分辨能力 32

2.3.5 对调频率的分辨能力 36

2.4 基于FRFT的非均匀采样LFM信号的检测与参数估计 39

2.4.1 分段非均匀采样LFM信号检测 39

2.4.2 自适应非均匀采样LFM信号检测 44

2.4.3 伪随机非均匀采样LFM信号检测 46

2.4.4 非均匀采样LFM信号参数估计 47

2.5 基于FRFT的多分量LFM信号分辨 53

2.5.1 多分量LFM信号的分辨分析 53

2.5.2 LFM信号尖峰的偏移 55

2.5.3 量纲归一化因子的优化 56

2.5.4 仿真验证 58

2.6 基于FRFT的多相编码信号检测与参数估计 61

2.6.1 多相编码信号的时频特征 61

2.6.2 多相编码信号检测与参数估计 66

2.6.3 多分量多相编码信号的检测与参数估计 73

2.7 基于FRFT的三角LFMCW信号检测与参数估计 75

2.7.1 对称三角LFMCW信号时频特征 75

2.7.2 对称三角LFMCW信号检测与参数估计 78

2.7.3 多分量对称三角LFMCW信号的检测与参数估计 87

2.7.4 广义三角LFMCW信号检测与参数估计 89

2.8 总结 97

参考文献 98

第3章 LFMCW类信号截获与特征提取 100

3.1 引言 100

3.2 LFMCW信号描述及其周期WHT 100

3.2.1 LFM信号的WHT分析 100

3.2.2 LFMCW信号及其周期WHT 102

3.2.3 周期WHT算法性能分析 107

3.3 基于周期WHT的LFMCW信号检测与参数估计 115

3.3.1 高斯白噪声中LFMCW信号的统计特征研究 115

3.3.2 LFMCW信号检测与参数估计算法 118

3.3.3 LFMCW信号检测性能分析 122

3.3.4 LFMCW信号参数估计性能分析 125

3.4 基于周期WHT的STLFMCW信号检测与参数估计 129

3.4.1 STLFMCW信号及其周期WHT特征 129

3.4.2 周期WHT域STLFMCW信号检测与参数估计算法 131

3.4.3 STLFMCW信号检测与参数估计流程 133

3.4.4 STLFMCW信号检测与参数估计性能分析 134

3.5 基于周期WHT的多相编码信号检测与参数估计 139

3.5.1 多相编码信号及其周期WHT特征 139

3.5.2 周期WHT域多相编码信号检测与参数估计算法 143

3.5.3 多相编码信号检测与参数估计流程 144

3.5.4 多相编码信号检测与参数估计性能分析 145

3.6 总结 149

参考文献 149

第4章 编码类信号截获与提取特征 159

4.1 引言 159

4.2 侦察信号的特征分析与提取研究现状 159

4.3 编码信号循环谱特征分析方法 162

4.3.1 基于平滑循环周期图的谱估计算法（SCPM） 162

4.3.2 基于平均平滑循环周期图的谱估计算法（ASCPM） 164

4.3.3 平均平滑核函数设计 164

4.3.4 窗函数相邻片段重叠长度对循环谱泄漏抑制的影响 165

4.3.5 典型编码信号ASCPM算法循环谱特征分析 167

4.3.6 复杂调制编码信号ASCPM算法循环谱特征分析 173

4.3.7 ASCPM算法的计算复杂度分析 183

4.4 编码信号循环谱特征检测 184

4.4.1 多循环检测 185

4.4.2 单循环检测 186

4.4.3 渐近最优X2分布检测 188

4.4.4 二相编码信号单循环检测 192

4.4.5 四相编码信号单循环检测 193

4.4.6 多相编码信号单循环检测 195

4.4.7 频率编码信号单循环检测 195

4.4.8 性能分析 196

4.5 编码信号循环谱特征参数估计 197

4.5.1 相位编码信号循环谱特征参数估计 198

4.5.2 频率编码信号循环谱特征参数估计 202

4.5.3 Costas码信号循环谱特征参数估计 206

4.5.4 平稳噪声对参数估计的影响 207

4.5.5 仿真验证和结论 210

4.6 总结 215

参考文献 216

第5章 基于Chirp基分解的时频交叠脉冲信号分离 224

5.1 引言 224

5.2 雷达信号的Chirp基分解 224

5.2.1 雷达信号时频特征 224

5.2.2 时频连续脉冲 226

5.2.3 时频交叠脉冲 227

5.3 基于FRFT的Chirp基提取 229

5.3.1 Chirp基的依次提取 229

5.3.2 窗函数和时域分离 231

5.3.3 Chirp基特征参数估计 233

5.4 时频交叠雷达侦察信号分离 234

5.4.1 Chirp基拼接 234

5.4.2 信号分量求解 236

5.5 仿真分析 237

5.5.1 多分量信号 237

5.5.2 提取Chirp基特征 237

5.5.3 拼接Chirp基 240

5.5.4 提取信号分量 240

5.6 总结 241

参考文献 242

第6章 基于周期WHT的时频交叠连续波信号分离 245

6.1 引言 245

6.2 基于周期WHT的LFMCW循环滤波检测与分离算法 245

6.2.1 交叠LFMCW信号循环滤波算法原理 245

6.2.2 基于单元平均的窄带频域陷波滤波器设计 248

6.2.3 单元平均的滤波门限设置 249

6.3 检测与分离算法用于类似LFMCW信号的可行性分析 250

6.3.1 检测与分离算法用于STLFMCW信号可行性分析 250

6.3.2 检测与分离算法用于类似LFMCW多相编码信号可行性分析 251

6.4 仿真实验与分析 252

6.4.1 交叠LFMCW信号检测与分离 252

6.4.2 交叠类似LFMCW信号检测与分离 252

6.5 总结 256

参考文献 256

第7章 基于独立成分分析的时频交叠信号盲分离 257

7.1 引言 257

7.2 盲信号分离 257

7.2.1 盲分离模型 257

7.2.2 独立成分分析方法 261

7.2.3 基于ICA的盲分离准则 264

7.2.4 鲁棒的白化处理 267

7.2.5 仿真分析 269

7.3 瞬态混合平稳雷达侦察信号盲分离 274

7.3.1 传统的雷达侦察信号分选原理 274

7.3.2 基于ICA的雷达侦察复信号盲分离 276

7.3.3 基于一阶AR模型的盲分离算法 278

7.3.4 基于AR模型阶数估计的雷达侦察信号盲分离 283

7.3.5 仿真分析 290

7.4 瞬态混合非平稳雷达侦察信号盲分离 296

7.4.1 基于时频分布的非平稳雷达侦察信号盲分离 297

7.4.2 基于时频分析量源数估计的自适应盲分离算法 300

7.4.3 性能仿真 303

7.5 卷积混合雷达侦察信号时域盲分离 308

7.5.1 基于非平稳特性的时域卷积盲分离 308

7.5.2 基于快速固定点算法的卷积混合信号盲分离 310

7.5.3 改进的快速固定点算法 315

7.5.4 仿真分析 320

7.6 卷积混合雷达侦察信号频域盲分离 323

7.6.1 基于非平稳特性的频域盲分离算法 323

7.6.2 频域盲分离的不确定性 324

7.6.3 侦察信号到达方位角估计 327

7.6.4 仿真分析 328

7.7 总结 332

参考文献 334

第8章 复杂调制信号的参数识别 338

8.1 引言 338

8.2 基于FRFT的LFM类信号自动识别 338

8.2.1 基于FRFT的LFM类信号调制方式的识别 339

8.2.2 基于FRFT的LFM类信号脉内特征提取 344

8.2.3 基于FRFT的LFM类雷达信号侦察系统 344

8.2.4 仿真验证 345

8.3 基于广义循环谱特征的编码信号分类 347

8.3.1 循环谱特征与时频分布的关系 347

8.3.2 广义时频核函数设计 348

8.3.3 广义循环谱特征分析 350

8.3.4 广义循环谱特征提取 352

8.3.5 基于广义循环谱特征的调制样式分类 353

8.4 总结 355

参考文献 355

第9章 复杂调制信号的波形识别 357

9.1 引言 357

9.2 复杂调制雷达信号波形识别原理及方法 357

9.2.1 雷达信号波形识别原理 357

9.2.2 基于时频分布的波形识别 358

9.2.3 基于其它特征的波形识别 359

9.3 复杂调制雷达信号波形特征 359

9.3.1 基于功率谱密度的特征 359

9.3.2 基于瞬时信号属性的特征 360

9.3.3 基于时频域波形特征 360

9.3.4 基于循环谱和高阶统计量的特征 363

9.4 基于多特征组合神经网络的波形识别 365

9.4.1 神经网络 365

9.4.2 多特征组合神经网络设计 366

9.4.3 仿真分析 368

9.5 总结 369

参考文献 369

第10章 回顾、建议与展望 371

10.1 回顾 371

10.1.1 初步形成了复杂调制信号处理理论体系 371

10.1.2 对复杂调制信号进行了分类处理 372

10.1.3 建立了对交叠信号处理的理论体系 372

10.1.4 对分类信号选取了合适的研究方法 372

10.2 问题与建议 373

10.2.1 背景模型和复杂背景下的性能分析 373

10.2.2 更加定量化的性能分析 373

10.2.3 多种方法的分析比较 374

10.2.4 加强对复合调制信号的分析 374

10.2.5 加强对信号识别的研究 374

10.2.6 加强对交叠信号的分离研究 374

10.3 研究方向展望 374

10.3.1 基于雷达信号稀疏特征的分选与识别 374

10.3.2 时频交叠信号环境下的分选与识别 375

10.3.3 调频连续波信号的截获与特征提取 375

10.3.4 噪声雷达信号的截获与特征提取 375

10.3.5 复合调制信号截获、分选与识别 375

10.3.6 复杂调制信号辐射源识别 375

10.3.7 复杂调制信号辐射源定位 376

10.3.8 面向复杂调制信号的干扰引导 376