一种FSK/BPSK复合调制雷达脉冲信号识别技术

›› 2016, Vol. 29 ›› Issue (10): 4-.

一种FSK/BPSK复合调制雷达脉冲信号识别技术

王曙光，王旭东，郑步生

(南京航空航天大学电子信息工程学院，江苏南京 211106)

出版日期:2016-10-15 发布日期:2016-11-14
作者简介:王曙光（1992-），男，硕士研究生。研究方向：雷达信号识别。王旭东（1978-），男，博士，副教授。研究方向：信号检测等。
基金资助:
国家自然科学基金资助项目(61201208)

A Novel Approach to the Recognition of FSK/BPSK Hybrid Modulation Radar Signals

WANG Shuguang, WANG Xudong, ZHENG Busheng

(School of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)

Online:2016-10-15 Published:2016-11-14

摘要/Abstract

摘要：

在电子对抗领域，信号调制方式识别是进行雷达分选、干扰施放的基础，得到广泛研究。对此，文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数，然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号，且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明，针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型，在信噪比＞5 dB时，分类正确率可达98%以上。

关键词: FSK/BPSK, 特征提取, 调制方式识别, 神经网络

Abstract:

The recognition of signal modulation is a base problem for sorting radar signals and releasing jamming signals in the area of electronic countermeasure. In this paper, a novel method is proposed for the recognition of hybrid modulation radar signal combined with FSK and BPSK based on the resemblance coefficient and amplitude parameter. The proposed approach recognizes FSK/BPSK signals without negative effect on the modulation recognition of other received radar signals. After feature extracting of radar signal spectrum, a hierarchical neural network is designed for identifying the common used six radar modulation types. Simulation results show that the successful recognition rate is over 98% with the SignaltoNoiseRatio (SNR) greater than 5 dB.

Key words: FSK/BPSK hybrid modulation signal, feature extraction, modulation recognition, neural network

中图分类号:

TN971

王曙光，王旭东，郑步生. 一种FSK/BPSK复合调制雷达脉冲信号识别技术[J]. , 2016, 29(10): 4-.

WANG Shuguang, WANG Xudong, ZHENG Busheng. A Novel Approach to the Recognition of FSK/BPSK Hybrid Modulation Radar Signals[J]. , 2016, 29(10): 4-.

[1]	伍伟嘉,杨俭,袁天辰,邵志慧. 基于支持向量机的轨道结构病害识别研究[J]. 电子科技, 2022, 35(2): 27-33.
[2]	李辉,王一丞. 基于CNNCIFG-Attention模型的文本情感分类[J]. 电子科技, 2022, 35(2): 46-51.
[3]	邵志慧,杨俭,袁天辰,伍伟嘉. 基于排列熵和支持向量机的轨枕病害诊断[J]. 电子科技, 2022, 35(2): 52-58.
[4]	程晓雅,张雷. 基于深度学习的有遮挡人脸识别方法研究[J]. 电子科技, 2022, 35(1): 35-39.
[5]	战荫伟,朱百万,杨卓. 一种车脸识别算法的研究与应用[J]. 电子科技, 2021, 34(8): 1-7.
[6]	廖璐明,张伟. 基于改进VGG16网络的混合批量训练交通标志识别[J]. 电子科技, 2021, 34(8): 8-13.
[7]	司明明,陈玮,胡春燕,尹钟. 融合Resnet50和U-Net的眼底彩色血管图像分割[J]. 电子科技, 2021, 34(8): 19-24.
[8]	马立新,豆晨飞,宋晨灿,杨天笑. 基于特征融合卷积神经网络的绝缘子无损检测[J]. 电子科技, 2021, 34(7): 26-30.
[9]	孟晓姣,张世巍,李小健,李敏玥,宋丙鑫,路宏敏. 一种基于BP神经网络的车载通信设备性能评估方法[J]. 电子科技, 2021, 34(5): 24-28.
[10]	张仕森,孙宪坤,尹玲,李世玺. 基于神经网络的文本标题生成原型系统设计[J]. 电子科技, 2021, 34(5): 35-41.
[11]	刘姝,邵杰,张颐婷,张善章. 基于双谱和谱特征的心电信号分类方法[J]. 电子科技, 2021, 34(5): 42-46.
[12]	宋章明,贺慧勇,黄跃俊. 扁平漆包线表面缺陷在线检测研究[J]. 电子科技, 2021, 34(5): 72-78.
[13]	顾伟,李菲菲,陈虬. 基于多特征融合的行人检测方法[J]. 电子科技, 2021, 34(5): 29-34.
[14]	薛永杰,巨志勇. 基于改进AlexNet的鱼类识别算法[J]. 电子科技, 2021, 34(4): 12-17.
[15]	闫书豪,乔美英. 基于一维WConv-BiLSTM的轴承故障诊断算法[J]. 电子科技, 2021, 34(4): 75-82.