导读:本文包含了低截获概率论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,信号,卷积,步进,符号,靶标,辐射源。
低截获概率论文文献综述
呙鹏程,吴礼洋[1]（2019）在《融合卷积特征与判别字典学习的低截获概率雷达信号识别》一文中研究指出针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明:通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献[4]、文献[24]、文献[25]、文献[26]中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。(本文来源于《兵工学报》期刊2019年09期）
陈游,周一鹏,王星,田元荣,周东青[2]（2019）在《采用区分性幅相联合字典学习的低截获概率信号分离方法》一文中研究指出为解决采用字典学习的信号分离方法存在的相位信息缺失和子字典交叉表示问题,提出一种区分性幅相联合字典学习方法。该方法针对相位信息缺失问题,构建了幅相联合字典模型;针对混合信号在联合字典上投影时存在的交叉表示问题,基于区分性字典学习思想提出在字典学习过程目标函数中加入交叉表示抑制项。仿真结果表明:幅相联合字典能够充分表示典型低截获概率信号的幅相信息,交叉表示抑制项能有效抑制信号间的交叉表示,算法具有良好的分离性能。(本文来源于《国防科技大学学报》期刊2019年03期）
陈骄阳[3]（2019）在《一种低截获概率雷达信号分选方法研究》一文中研究指出在现代化的电子对抗环境中,人们需要面对复杂多变的信号环境,雷达信号分选处理算法是雷达侦察干扰的核心技术。通过分析脉冲分选的工作原理,提出了一种改进的目标参数综合算法,仿真了16批雷达信号,仿真结果表明该方法具有较好的分选效果。(本文来源于《科技与创新》期刊2019年11期）
李尧[4]（2019）在《低截获概率信号检测与参数估计》一文中研究指出低截获概率信号作为低截获概率(Low Probability of Intercept,LPI)雷达产生的信号,其低功率、频率捷变以及大时宽-带宽积等特点,使得低截获概率雷达信号具有优良的抗干扰与抗截获性能,这给截获接收机提出了更高的要求。本文针对叁种典型低截获概率雷达信号,包括跳频信号、线性调频(Linear Frequency Modulated,LFM)信号和非线性调频(Nolinear Frequency Modulated,NLFM)信号,进行信号检测与参数估计的分析研究。对于跳频信号的检测与参数估计问题,主要利用跳频信号在短时间内可以看做单频信号即1-稀疏信号的特征,采用压缩感知的方法对其进行检测与参数估计,有效降低了信号处理数据量,并提出了基于概率滑窗的方法对压缩采样后的跳频信号进行处理,能够有效抑制高斯白噪声的影响,使得在低信噪比依然能够准确估计出信号参数。对于线性调频信号,主要利用LFM信号在分数阶域的聚集特性,而且分数阶傅里叶变换(Fractional Fourier Transform,FRFT)为线性变换,具有可加性,因此采用分数阶傅里叶变换对多分量LFM信号进行检测与参数估计,并提出了基于峰度值的LFM信号分量分离方法,可以有效降低强LFM信号分量对弱信号分量造成的遮掩影响,提高多分量LFM信号参数估计准确度。对于NLFM信号,由于其Wigner-Ville分布(Wigner-Ville Distribution,WVD)存在交叉项,影响比较大,对比了几种不同的改进时频分布的效果,并引入了短时分数阶傅里叶变换用于分析NLFM信号,详细描述了优化原理,验证了其对于多分量NLFM信号时频分析的效果,最后利用短时分数阶傅里叶变换对单分量NLFM信号的瞬时频率进行估计。(本文来源于《电子科技大学》期刊2019-04-01）
张穆清,王华力,倪雪[5]（2019）在《基于深度学习与支持向量机的低截获概率雷达信号识别》一文中研究指出提出了一种基于栈式自编码器与支持向量机的低截获概率(LPI)雷达信号识别方法。首先,通过Choi-Williams图像预处理方法对时频图像进行处理,得到便于自编码器处理的图像;再次,使用栈式自编码器从预处理后的时频图像中自动地提取出信号特征;最后,基于提取的信号特征使用支持向量机(SVM)对信号进行分类。本方法使用任意波形发生器(AWG)模拟产生了8类LPI雷达信号,采用栈式自编码器与支持向量机相结合的方法识别信号。仿真实验结果表明,该方法能够在低信噪比和小样本情形下有效识别LPI雷达信号。(本文来源于《科技导报》期刊2019年04期）
张亮,陈彦来[6]（2019）在《一种高距离分辨率低截获概率的雷达信号分析》一文中研究指出提出了一种在均匀脉冲串的基础上,脉内采用二相编码进行调相、脉间采用步进频率进行调频的复合调制信号。通过MATLAB仿真分析,说明这种信号兼有相位编码信号、步进频率信号的优点,又弥补了这2种信号各自的缺点,是一种具有高距离分辨率、低截获概率特性的雷达信号。(本文来源于《舰船电子对抗》期刊2019年01期）
杜江,娄光普[7]（2019）在《一种低截获概率靶载射频辐射源设计》一文中研究指出针对传统靶载射频辐射源发射功率过大、波形单一等问题,设计了一种新型低截获概率靶载射频辐射源,论述了设计原理及具体实现过程,重点阐述了天线指向设计与算法。该新型射频辐射源可逼真地模拟截获概率雷达导引头的电磁辐射特性和搜索跟踪过程,构建更为真实的反舰导弹攻击态势。(本文来源于《舰船电子工程》期刊2019年02期）
王亚涛,张保群,曾小东[8]（2019）在《基于功率控制的雷达低截获概率探测技术》一文中研究指出针对雷达信号被截获问题,为了实现先敌发现的目的,通过搜索和跟踪状态的功率控制,实现了雷达的低截获概率(LPI)探测技术。论述了雷达LPI探测的原理,推导了临界功率和LPI探测距离的表达式,给出了功率控制步进和目标RCS抖动对LPI探测距离的影响机理。仿真结果表明,在功率控制步进大于6 dB、RCS抖动超过1 dB时,在LPI探测距离内截获状态和探测状态会发生较大起伏,与实际试验的结果相符。(本文来源于《无线电工程》期刊2019年03期）
郭立民,寇韵涵,陈涛,张明[9]（2018）在《基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别》一文中研究指出针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于Choi-Williams分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频分析,获取2维时频图像;然后对得到的时频原始图像进行预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练;最后把SAE自动提取的特征输入softmax分类器,实现雷达信号的在线分类识别。仿真结果表明,信噪比为-6 dB时,该系统对8种LPI雷达信号(LFM,BPSK,Costas,Frank和T1~T4)的整体平均识别率达到96.4%,在低信噪比条件下明显优于人工设计提取信号特征的识别方法。(本文来源于《电子与信息学报》期刊2018年04期）
冉妮虹[10]（2018）在《低截获概率信号的同步关键技术研究》一文中研究指出随着电子对抗在现代战争中发挥越来越重要的角色,如何保证传输信号能安全有效的传输,不被敌方截获是电子对抗胜利与否的关键因素。因此,本文提出了一种基于变符号速率的低截获概率(Low Probability of Interception,LPI)通信系统,相对于传统的LPI通信系统,该系统收发序列不具备周期性,能更有效的降低截获概率。在实现该系统时由于发送端上采倍数不固定,带来了符号间干扰(Inter Symbol Interference,ISI)。本文为了消除ISI影响将接收信号的符号检测过程建模成一个隐马尔科夫过程(Hidden Markov Process,HMP),利用维特比算法(Viterbi Algorithm,VA)进行检测。仿真验证了对于变符号速率的低截获概率通信系统利用VA检测后误码率曲线与无ISI且定符号速率下的信号误码率曲线基本一致。其次本文研究了对于变符号速率低截获概率通信信号的符号同步算法。由于信号中存在符号间干扰影响,传统的基于前后两个采样点关于最佳采样点对称的原理设计的同步方法不适用,如早迟门、数字插值法等。因此,本文除了研究传统的基于导频序列相关的符号同步算法,还提出了一种适用于变符号速率的LPI通信系统的盲符号同步算法,仿真验证了当信噪比达到一定的门限时,这两种算法均可以实现100%的同步概率。最后本文研究了对于变符号速率低截获概率通信信号的载波同步算法。主要包括基于快速傅里叶变换(Fast Fourier Transform,FFT)估频偏,数据辅助的自相关和互相关算法,科斯塔斯环法。这几种方法适合的场景各不相同,FFT算法适用于频偏粗估计,数据辅助法适用于频偏精估计,科斯塔斯环法适用于载波跟踪。对于数据辅助法来说,由于符号序列不具备周期性,因此利用自相关估频偏算法性能较差。当本地导频序列已知,利用本地导频序列进行互相关估频偏的算法性能较好。进一步论证了该系统具有更低的截获概率。(本文来源于《电子科技大学》期刊2018-04-12）
低截获概率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决采用字典学习的信号分离方法存在的相位信息缺失和子字典交叉表示问题,提出一种区分性幅相联合字典学习方法。该方法针对相位信息缺失问题,构建了幅相联合字典模型;针对混合信号在联合字典上投影时存在的交叉表示问题,基于区分性字典学习思想提出在字典学习过程目标函数中加入交叉表示抑制项。仿真结果表明:幅相联合字典能够充分表示典型低截获概率信号的幅相信息,交叉表示抑制项能有效抑制信号间的交叉表示,算法具有良好的分离性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
低截获概率论文参考文献
[1].呙鹏程,吴礼洋.融合卷积特征与判别字典学习的低截获概率雷达信号识别[J].兵工学报.2019
[2].陈游,周一鹏,王星,田元荣,周东青.采用区分性幅相联合字典学习的低截获概率信号分离方法[J].国防科技大学学报.2019
[3].陈骄阳.一种低截获概率雷达信号分选方法研究[J].科技与创新.2019
[4].李尧.低截获概率信号检测与参数估计[D].电子科技大学.2019
[5].张穆清,王华力,倪雪.基于深度学习与支持向量机的低截获概率雷达信号识别[J].科技导报.2019
[6].张亮,陈彦来.一种高距离分辨率低截获概率的雷达信号分析[J].舰船电子对抗.2019
[7].杜江,娄光普.一种低截获概率靶载射频辐射源设计[J].舰船电子工程.2019
[8].王亚涛,张保群,曾小东.基于功率控制的雷达低截获概率探测技术[J].无线电工程.2019
[9].郭立民,寇韵涵,陈涛,张明.基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别[J].电子与信息学报.2018
[10].冉妮虹.低截获概率信号的同步关键技术研究[D].电子科技大学.2018
论文知识图
