資源描述：
《雷達(dá)有源欺騙干擾多尺度特征級識別技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、雷達(dá)有源欺騙干擾多尺度特征級識別技術(shù)研究作者姓名施昉導(dǎo)師姓名、職稱李明教授一級學(xué)科信息與通信工程二級學(xué)科信號與信息處理申請學(xué)位類別工學(xué)碩士提交畢業(yè)論文日期2014年12月學(xué)校代碼10701學(xué)號1202121080分類TN82號TN97密級公開西安電子科技大學(xué)碩士學(xué)位論文雷達(dá)有源欺騙干擾多尺度特征級識別技術(shù)研究作者姓名：施昉一級學(xué)科：信息與通信工程二級學(xué)科：信號與信息處理學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：李明教授提交日期：2014年12月AStudyonMulti-scaleFeature-levelIdentificat
2、ionofActiveDeceptionJammingAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicationEngineeringByShifangSupervisor:Prof.LimingDecember2014西安電子科技大學(xué)學(xué)位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的
3、研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)
4、印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要伴隨著電子干擾技術(shù)的發(fā)展，更加強烈的有源干擾使雷達(dá)面臨著愈加嚴(yán)峻的挑戰(zhàn)。因此在復(fù)雜多變的電子干擾環(huán)境下，使雷達(dá)系統(tǒng)在最短時間內(nèi)識別出所面臨的干擾信號類型，進(jìn)而選擇出最有效的抗干擾方法進(jìn)行對抗，已成為雷達(dá)抗干擾技術(shù)發(fā)展的一個重要方向。本文在現(xiàn)有理論知識和相關(guān)論文的基礎(chǔ)
5、上，研究了常規(guī)的有源欺騙干擾產(chǎn)生機理及作用機理，利用多尺度分解理論，對三類拖引干擾及其混合干擾進(jìn)行特征級分類識別。論文具體研究內(nèi)容如下：1.本文通過將一個相干處理周期的脈沖序列提取有效部分拼接成一維向量，彌補單個脈沖信號無法體現(xiàn)拖引干擾產(chǎn)生與實施過程本質(zhì)特點的不足，討論了一個相干處理周期中包含的脈沖回波個數(shù)對特征區(qū)分度及最后識別結(jié)果的影響，研究發(fā)現(xiàn)，多回波特征級識別結(jié)果好于單個回波，且回波數(shù)越多分類識別效果越好。2.本文利用多尺度小波分解及經(jīng)驗?zāi)B(tài)分解兩種多尺度分解方法對接收到的三類拖引干擾信號預(yù)處理后進(jìn)行多尺度分解，分別從
6、小波分解得到的小波系數(shù)中提取高頻細(xì)節(jié)分量能量比、低頻逼近分量歸一化能量等小波域特征，從經(jīng)驗?zāi)B(tài)分解得到的各本征模函數(shù)中提取頻域矩偏度、矩峰度、噪聲因子等頻域特征。根據(jù)提取的特征在各干噪比下的區(qū)分度及波動性選擇性能較優(yōu)的特征作為特征庫內(nèi)特征因子，建立小型特征庫，最后利用特征庫進(jìn)行拖引干擾子類型的分類識別。仿真結(jié)果表明，利用多尺度分解提取的特征可有效區(qū)分三類拖引干擾，且得到令人滿意的分類識別結(jié)果。3.本文考慮到實際中多種雷達(dá)有源欺騙干擾同時存在的情況，針對七種情況的混合信號，利用多尺度分解算法分解接收信號，提取小波系數(shù)特征及頻域
7、特征，計算各特征在所有干噪比下的均值，建立小型混合干擾特征庫，并對干擾信號進(jìn)行分類識別。仿真實驗結(jié)果表明，多尺度分解特征庫輔助對混合干擾信號識別的方法可較為有效的區(qū)分七種混合信號情況，此種方法是有效且具有實際意義的。關(guān)鍵詞：有源欺騙干擾識別，多尺度分解，特征提取，特征庫論文類型：基礎(chǔ)研究類I西安電子科技大學(xué)碩士研究生畢業(yè)論文IIABSTRACTABSTRACTWiththedevelopmentofelectronicjammingtechnology,undermorepowerfuljamming,theradarisf
8、acingmoreseriouschallenges.Inthesophisticatedelectronicjammingenvironment,radarsystemsshouldintelligentlyselectthemosteffectiveanti-jammingmethod
