基于机器学习的雷达信号处理基础

基于机器学习的雷达信号处理基础的思维导图。导图从基于机器学习的雷达辐射源分选与识别技术研究、非合作雷达信号与数据处理基础、机器学习方法的辐射源分选与识别几个方面作了梳理。

基于机器学习的雷达信号处理基础

• 参考：基于机器学习的雷达辐射源分选与识别技术研究-李雪琼
• 非合作雷达信号与数据处理基础
  • 处理流程
  • 分选与识别
  • 脉冲描述字（包括到达时间TOA、到达角DOA、脉冲幅度PA、脉冲宽度PW、载波频率RF、脉冲重复周期PRI、脉冲重复频率（也称为重频）PRF）
  • 脉冲信号典型重频
    • 固定重频：如果某部雷达的 PRI 的最大变化量小于其平均值的 1%，就可以认为该雷达具有固定重频--常规搜索和跟踪雷达
    • 参差重频：两个或两个以上的PRI值在脉冲序列中周期性的交替出现--消除动目标显示系统中的盲速
    • 抖动重频：抖动重频的也是围绕一个固定 PRI 值变化，但是其抖动范围一般在 3% ∼ 30%，并呈现随机变化特性--反侦察、抗干扰
    • 滑变重频：PRI 呈现单调增加或减少，整个过程类似锯齿波变化--在俯仰搜索中实现恒高度覆盖
    • 组变重频：重频选用几个不同的 PRI 值，在每个 PRI 值上有一定的驻留时间，然后切换到另一个 PRI 值--解决距离、速度模糊
    • 跳变重频：PRI 在几个不同的值上随机切换--降低某种类型干扰的效果
    • 周期调制重频：有些雷达采用正弦曲线作为 PRI 变化的抖动量，也称为正弦调制重频--导弹制导，避免遮蔽和测距
  • 误差条件分析
    • 测量误差
    • 虚假脉冲：空间电磁能量扰动引起的检测虚警
    • 丢失脉冲
• 机器学习方法的辐射源分选与识别
  • 经典的机器学习模型
    • 全连接神经网络
    • 卷积神经网络
    • 循环神经网络
  • 机器学习方法的分选与识别
• 识别框架
• 脉冲描述字
• 分选与识别
• 数据处理流程