第1章 绪论 1
1.1 研究背景、研究目的和意义 1
1.1.1 电子战的定义 1
1.1.2 雷达侦察概述 2
1.1.3 雷达信号分选在电子对抗中的意义 3
1.1.4 本研究的意义 4
1.2 雷达信号分选问题概述 4
1.2.1 信号分选处理 4
1.2.2 信号分选参数及脉冲描述字 6
1.2.3 雷达侦察面临的信号环境及其对信号分选的影响 6
1.3 国内外研究现状与进展 7
1.4 本书的主要工作 14
1.5 本书内容的结构安排 16
第2章 雷达辐射源全脉冲信号模型分析 17
2.1 雷达辐射源信号分选环境的数学模型分析 17
2.2 雷达辐射源信号的特征分析 19
2.2.1 雷达信号的频域变化特征 19
2.2.2 雷达信号的时域变化特征 21
2.2.3 雷达信号的空域参数模型 23
2.2.4 雷达信号的其他特征参数 24
2.3 雷达信号的脉冲密度 25
2.4 雷达信号环境脉冲丢失概率的分析 25
2.4.1 运用随机过程理论的脉冲丢失概率分析 26
2.4.2 运用概率统计理论的脉冲丢失概率分析 27
2.4.3 一种关于修正脉冲丢失概率的分析 28
2.5 本章小结 29
第3章 未知雷达辐射源信号分选模型结构 30
3.1 传统分选模型结构 30
3.2 新模型结构 32
3.3 本章小结 34
第4章 基于支持向量的多参数综合聚类信号分选 35
4.1 统计学习理论 35
4.1.1 统计学习理论概述 35
4.1.2 统计学习理论的核心内容 36
4.2 目前多参数雷达信号分选方法中存在的主要问题 39
4.2.1 传统多参数雷达信号分选体制的不足 39
4.2.2 “容差”问题对雷达信号分选的影响 39
4.3 基于支持向量聚类和分层互耦的雷达信号分选系统 42
4.3.1 ESM数据处理系统 43
4.3.2 基于支持向量聚类和分层互耦的分选算法 44
4.3.3 利用“熵”度量的雷达全脉冲信号识别方法 47
4.3.4 利用“类型熵”调节SVC聚类分选参数q和C 51
4.3.5 仿真试验结果 52
4.4 基于支持向量聚类和级联互耦的雷达信号分选系统 55
4.4.1 基于级联互耦和支持向量机的分段聚类信号分选算法 55
4.4.2 仿真试验分析 57
4.5 基于SVC和K-Means聚类的雷达全脉冲信号分选 59
4.5.1 基于质心的K-Means聚类信号分选分析 59
4.5.2 联合SVC和K-Means聚类的信号分选 63
4.5.3 仿真试验分析 64
4.6 本章小结 66
第5章 雷达信号分选的G特征提取方法 67
5.1 特征提取方法 67
5.1.1 预处理 67
5.1.2 结构函数 68
5.1.3 经验模态分解 69
5.2 仿真验证 72
5.3 本章小结 76
第6章 基于全脉冲幅度信息分析的踏浪算法 77
6.1 踏浪算法 77
6.1.1 对象分析 77
6.1.2 处理流程 78
6.1.3 初始化 78
6.1.4 转换参数及预处理 79
6.1.5 扩展Kalman滤波进行幅度估计 80
6.1.6 幅度归属判决 81
6.1.7 序列结束复合判断 82
6.2 测试结果 82
6.2.1 模拟结果 82
6.2.2 典型分析的例子 84
6.3 本章小结 84
参考文献 85