雷达辐射源信号时频图像处理研究.pdf下载分享
- 资源分享
- 4天前
- 5热度
- 0评论
资料简介
本文深入探讨了雷达辐射源信号时频图像处理的关键技术，包括复杂体制雷达信号的数学建模、时频分布分析、图像增强方法、多分量信号处理及基于神经网络和支持向量机的分类方法。研究不仅解决了低信噪比条件下的信号处理难题，还显著提高了雷达信号的分类准确性，对于推动电子对抗技术的发展具有重要意义。
文件名称：雷达辐射源信号时频图像处理研究.pdf
文件类型：PDF文档
文件标签：雷达信号处理、时频分析、图像处理
内容预览
西南交通大学
硕士学位论文
雷达辐射源信号时频图像处理研究
姓名：邹兴文
申请学位级别：硕士
专业：信号与信息处理
指导教师：张葛祥
20090401
西南交通大学硕士研究生学位论文
第ｌ页
摘要
雷达辐射源信号分类识别是现代电子侦察和电子支援系统的重要研究内
容，也是衡量电子对抗设备先进程度的重要标志。近年来，随着电子战的激烈
对抗，复杂体制雷达辐射源信号的分类识别己成为电子对抗领域的关键技术和
难题。时频分布作为一种新的现代信号处理技术，将一维辐射源信号转换到二
维时频信号，不但能够反映辐射源信号能量随时间和频率的分布，而且能揭示
其频率随时间的变化关系，为辐射源信号的特征分析和分类识别提供了重要信
息。但复杂体制雷达辐射源信号调制规律复杂，且在传播和处理过程中易受噪
声干扰，信噪比变化较大，使得在时频分布平面对雷达辐射源信号的分析处理
变得极其困难。
为此，本文围绕低信噪比条件下，复杂体制雷达辐射源信号时频分布的处
理问题，首先将雷达辐射源信号的时频分布表示为灰度图像，然后通过图像处
理技术对复杂体制雷达辐射源信号的时频图像进行处理，主要研究复杂体制雷
达辐射源信号时频图像预处理、辐射源信号时频图像特性分析以及基于时频图
像特征的雷达辐射源信号分类方法。论文的主要工作及研究成果具体如下：
１．综合分析了复杂体制雷达辐射源信号的数学模型，针对几种典型雷达辐
射源信号，采用Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布及Ｃｏｈｅｎ类时频分布对其进行了时频分析，
并给出了相应的仿真实验结果分析。
２．针对传统图像增强方法存在的一些不足，提出一种基于粗集理论的图像
增强方法。仿真实验及结果分析表明，该方法在有效地抑制噪声的同时，更好
地保护了图像的边缘和细节信息，增强了图像的对比度，是一种更有效的图像
增强方法，在增强效果和时间复杂度方面均优于传统方法；并将该图像增强方
法应用于辐射源信号的时频图像增强处理，取得了较好的效果。
３．针对常用时频分析方法对多分量辐射源信号处理的一些不足，在分析辐
射源信号时频分布的基础上，将辐射源信号的时频分布看作灰度图像，利用图
像处理技术中的平滑滤波、阈值处理和形态学细化算法，研究一种基于图像处
理技术的多分量辐射源信号时频图像处理方法。相应的仿真实验结果表明，该
方法在有效抑制噪声的同时，能够得到具有高分辨率的多分量辐射源信号时频
图像，更有利于多分量辐射源信号时频特性分析，既克服了常用时频分析对多
分量辐射源信号时频分析的不足，又优于时频重排方法。
西南交通大学硕士研究生学位论文
第１Ｉ页
４．将神经网络应用于雷达辐射源信号的时频图像处理，并在处理后的时频
图像中实现了辐射源信号调制参数的估计，提出一种基于神经网络的多分量信
号时频图像处理方法。仿真实验表明，在低信噪比情况下，该方法能够对辐射
源信号的时频图像进行有效地处理，并能较准确地提取辐射源信号各分量的调
制参数。
５．针对复杂体制雷达辐射源信号的分类问题，在对辐射源信号时频图像特
征分析的基础上，研究基于时频图像特征的辐射源信号分类新方法。该方法将
辐射源信号分类问题转换为图像处理及识别问题，先对辐射源信号进行时频分
析，获得时频分布图，并将其转化为灰度图像和作归一化处理，再用支持向量
机对处理后的图像进行分类。通过对５种典型辐射源信号的分类仿真实验表明，
该方法信噪比高于２．５ｄＢ时，平均正确分类率达９２％以上。
关键词：时频图像；雷达辐射源信号；图像特征；神经网络：支持向量机
西南交通大学硕士研究生学位论文
第１ＩＩ页
Ａｂｓｔｒａｃｔ
Ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓ
ｉｓ
ａｌｌｉｍｐｏｒｔａｎｔｒｅｓｅａｒｃｈｔａｓｋｉｎ
ｍｏｄｅｍｅｌｅｃｔｒｏｎｉｃ
ｒｅｃｏｎｎａｉｓｓａｎｃｅ
ａｎｄ
ｅｌｅｃｔｒｏｎｉｃ
ｓｕｐｐｏｒｔ
ｓｙｓｔｅｍ，
ａｎｄ
ａｌｓｏ
ｄｅｔｅｒｍｉｎｅｓｔｈｅｔｅｃｈｎｉｃａｌｍｅｒｉｔｓｏｆｅｌｅｃｔｒｏｎｉｃｒｅｃｏｎｎａｉｓｓａｎｃｅｅｑｕｉｐｍｅｎｔ．
Ｒｅｃｅｎｔｌｙ，
ｗｉｔｈｔｈｅｃｏｕｎｔｅｒｍｅａｓｕｒｅａｃｔｉｖｉｔｉｅｓｉｎｍｏｄｅｍｅｌｅｃｔｒｏｎｉｃｗａｒｆａｒｅｂｅｃｏｍｉｎｇｍｏｒｅａｎｄ
ｍｏｒｅｄｒａｓｔｉｃ，
ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｔｈｅａｄｖａｎｃｅｄｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓｈａｓｂｅｃｏｍｅｔｈｅ
ｃｒｕｃｉａｌｔｅｃｈｎｉｑｕｅａｎｄｔｈｅｄｉｆｆｉｃｕｌｔｙｉｎｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｏｆｅｌｅｃｔｒｏｎｉｃｗａｒｆａｒｅ．
Ａｓａ
ｎｏｖｅｌｍｏｄｅｍｓｉｇｎａｌ
ｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ，ｔｉｍｅ—ｆｒｅｑｕｅｎｃｙ
ｄｉｓｔｒｉｂｕｔｉｏｎ
ｔｈａｔ
ｔｒａｎｓｆｏｒｍｓｔｉｍｅ．
ｄｏｍａｉｎｓｉｇｎａｌｓｉｎｔｏｔｗｏ—ｄｉｍｅｎｓｉｏｎｔｉｍｅ－ｆｒｅｑｕｅｎｃｙｓｉｇｎａｌｓ，ｎｏｔｏｎｌｙ
ｒｅｆｌｅｃｔｓｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｅｍｉｔｔｅｒｓｉｇｎａｌｅｎｅｒｇｙｉｎｔｉｍｅａｎｄｆｒｅｑｕｅｎｃｙｐｌａｎｅ，ｂｕｔ
ａｌｓｏｒｅｖｅａｌｓｔｈｅｃｈａｎｇｅｏｆｅｍ，ｉｔｔｅｒｓｉｇｎａｌｓ’ ｆｒｅｑｕｅｎｃｙｗｉｔｈｔｉｍｅ，
ＳＯｉｔｐｒｏｖｉｄｅｓｔｈｅ
ｉｍｐｏｒｔａｎｔｉｎｆｏｒｍａｔｉｏｎｆｏｒｔｈｅ
ｆｅａｔｕｒｅａｎａｌｙｓｉｓａｎｄｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｅｍｉｔｔｅｒ
ｓｉｇｎａｌｓ．
Ｂｕｔｔｈｅｔｉｍｅ—ｆｒｅｑｕｅｎｃｙｄｉｓｔｒｉｂｕｔｉｏｎｉｓｖｅｒｙｃｏｍｐｌｅｘｆｏｒｔｈｅａｄｖａｎｃｅｄｒａｄａｒ
ｅｍｉｔｔｅｒｓｉｇｎａｌｓａｎｄｅａｓｉｌｙｄｉｓｔｕｒｂｅｄｂｙｎｏｉｓｅｉｎｔｈｅｐｒｏｃｅｓｓｏｆｔｒａｎｓｍｉｔｔｉｎｇａｎｄ
ｐｒｏｃｅｓｓｉｎｇ．
Ｍｏｒｅｏｖｅｒ，ｔｈｅＳｉｇｎａｌ－ｔｏ－ＮｏｉｓｅＲａｔｅ（ＳＮＲ）ｏｆｅｍｉｔｔｅｒｓｉｇｎａｌｓｉｓａｌｗａｙｓ
ｃｈａｎｇｅａｂｌｅ．
Ｓｏｉｔｉｓｖｅｒｙｄｉｆｆｉｃｕｌｔｆｏｒｔｈｅｐｒｏｃｅｓｓｉｎｇｏｆｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓｉｎ
ｔｉｍｅ—ｆｒｅｑｕｅｎｃｙｄｏｍａｉｎ．
Ｔｈｅｒｅｆｏｒｅ，ｃｏｎｓｉｄｅｒｉｎｇ
ｔｈｅ
ｐｒｏｃｅｓｓｉｎｇｐｒｏｂｌｅｍｏｆａｄｖａｎｃｅｄｒａｄａｒ
ｅｍｉｔｔｅｒ
ｓｉｇｎａｌｓ
ｔｉｍｅ．ｆｒｅｑｕｅｎｃｙ
ｄｉｓｔｒｉｂｕｔｉｏｎ
ａｔ
ｌｏｗＳＮＬｔｈｉｓ
ｔｈｅｓｉｓ
ｄｉｓｃｕｓｓｅｓ
ｔｈｅ
ｔｉｍｅ．
ｆｒｅｑｕｅｎｃｙｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓａｓａｇｒａｙｓｃａｌｅｉｍａｇｅ，
ａｎｄｔｈｅｎ
ｐｒｏｃｅｓｓｅｓｔｈｅｔｉｍｅ—ｆｒｅｑｕｅｎｃｙｉｍａｇｅｏｆａｄｖａｎｃｅｄｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓｕｓｉｎｇｉｍａｇｅ
ｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ．１１１ｅｄｉｓｓｅｒｔａｔｉｏｎｍａｉｎｌｙｓｔｕｄｉｅｓｔｈｅｔｉｍｅ—ｆｒｅｑｕｅｎｃｙｉｍａｇｅ
ｐｒｅ－ｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｔｉｍｅ－ｆｒｅｑｕｅｎｃｙａｎａｌｙｓｉｓｏｆａｄｖａｎｃｅｄｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓａｎｄ
ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｆｏｒｒａｄａｒｅｍｉｔｔｅｒｓｉｇｎａｌｓｂａｓｅｄｏｎｔｉｍｅ－ｆｒｅｑｕｅｎｃｙｉｍａｇｅ
ｆｅａｔｕｒｅｓ．
Ｔｈｅｍａｉｎｗｏｒｋａｎｄｒｅｓｅａｒｃｈｆｒｕｉｔｓａｒｅａｓｆｏｌｌｏｗｓ．
１．Ｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆａｄｖａｎｃｅｄｒａｄａｒｅｍｉｔｔｅｒ...