CN104052701A - 一种基于fpga实现的脉内调制特征实时提取与分类*** - Google Patents
一种基于fpga实现的脉内调制特征实时提取与分类*** Download PDFInfo
- Publication number
- CN104052701A CN104052701A CN201410239302.4A CN201410239302A CN104052701A CN 104052701 A CN104052701 A CN 104052701A CN 201410239302 A CN201410239302 A CN 201410239302A CN 104052701 A CN104052701 A CN 104052701A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- module
- signals
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于数字化信号处理领域,具体涉及一种实时性更强、精度更高的基于FPGA实现的脉冲干扰内部调制特征实时提取与分类***。本发明包括:信号生成模块;脉冲形成模块;识别模块,包括调相信号识别模块和调频信号模块;测频模块,包括FFT测频和瞬时相位差测频;综合判别模块。对信号的识别采用从粗到细的方法,先通过3dB带宽对信号进行粗识别,分成调相信号和调频信号两大类。调相信号包括BPSK信号、QPSK信号和常规雷达信号;调频信号包括LFM信号、NLFM信号、VFM信号和SFM信号。然后对信号进行细识别,对调频信号采用时频分析进一步分类,对调相信号采用时域累加瞬时自相关法进行进一步分类。
Description
技术领域
本发明属于数字化信号处理领域,具体涉及一种实时性更强、精度更高的基于FPGA实现的脉冲干扰内部调制特征实时提取与分类***。
背景技术
随着现代技术的发展,雷达探测所面临的信号环境也越来越复杂:辐射源数量日渐增大,范围愈加广,交叠现象严重;信号的调制方式越来越繁琐,难以识别分类。这也要求雷达探测必须有很高的频带覆盖范围和较强的信号分析识别能力。雷达信号传统常规五参数(脉冲宽度,载频,功率,到达时间和到达方向)的识别方法已远远达不到现代雷达探测需求。因此,这就对雷达探测技术提出了高标准、高要求。
本发明主要为解决雷达信号脉内调制方式的自动识别问题,即提出了一种简单实用的调制类型识别方法。通过对比不同脉内调制信号的特性,运用3dB带宽测量,时域累加,时频变换的方法,能够快捷的识别出常规雷达信号、BPSK信号、QPSK信号、LFM信号、NLFM信号、VFM信号、SFM信号七种不同雷达信号。本发明首次提出了基于FPGA实现的脉冲干扰内部调制特征实时提取与分类方法,采用本发明方案可保证在信噪比>13dB,识别正确率≥90%。特征提取与分类实时性<10us。
本发明应用于数字接收机的基于FPGA实现的脉冲干扰内部调制特征实时提取与分类,可以实时的完成识别雷达信号的调制方式(频率调制或相位调制),精确估计它的调制参数(载频,脉宽,调制斜率,起始频率,截止频率,相对子码和子码宽度)。
发明内容
本发明的目的在于为数字接收机提供一种高精度、高实时性的基于FPGA实现的脉冲干扰内部调制特征实时提取与分类方法。
本发明的目的是这样实现的:
1.一种基于FPGA实现的脉内调制特征实时提取与分类***,其特征在于:
信号生成模块:
利用FPGA生成一路或三路脉冲干扰采样I、Q数据,数据由matlab仿真生成后存入PFGA;
脉冲形成模块:
根据采集到的I、Q数据,计算信号幅度与固定门限值比较判断信号是否存在及信号的起始点和结束点,若连续n个幅度大于固定门限值认为有信号,脉冲下降沿的判断也是连续n个幅度小于固定门限值,给出对应的视频脉冲;
识别模块,包括调相信号识别模块和调频信号模块:
调相信号识别模块包括相位瞬时自相关、时域累加、相对子码识别和峰值统计,根据跳变峰值进行区分调相信号;
调频信号识别模块包括延时模块、FFT、3dB带宽判决和时频统计,对通过延时模块输出的信号进行128点的FFT求信号的频率,进而计算信号的3dB带宽,粗识别出调频与调相信号,根据FFT求出的频率进行时频统计,识别调频信号;
测频模块,包括FFT测频和瞬时相位差测频:
FFT法测频所需时间长,在调频信号的识别时,至少需要5个频率点进行时频分析,在处理短脉冲信号时,调频信号采用瞬时相位差法来计算信号的频率,通过CORDIC模块输出的相位信息进行瞬时相位差测频;
综合判别模块:
同步脉冲过后,依据统计结果,给出脉内分析结果。
本发明的有益效果在于:
对信号的识别采用从粗到细的方法,先通过3dB带宽对信号进行粗识别,分成调相信号和调频信号两大类。调相信号包括BPSK信号、QPSK信号和常规雷达信号;调频信号包括LFM信号、NLFM信号、VFM信号和SFM信号。然后对信号进行细识别,对调频信号采用时频分析进一步分类,对调相信号采用时域累加瞬时自相关法进行进一步分类。
附图说明
图1是本发明的FPGA编程逻辑框图;
图2是脉内类型识别流程图;
图3是cordic算法求取相位和幅度示意图;
图4是信号频谱3dB宽度计算流程流程图;
图5是PSK信号识别流程图;
图6是调频信号识别流程图;
图7是FM信号(LFM信号、NLFM信号、VFM信号和SFM信号)频率变化率示意图;
图8是常规雷达信号、BPSK信号、QPSK信号、LFM信号、NLFM信号、VFM信号和SFM信号仿真结果图;
具体实施方式
下面结合附图对本发明做进一步描述。
本发明目的是解决雷达信号脉内调制方式的自动识别问题,即提出了一种简单实用的调制类型识别方法。通过对比不同脉内调制信号的特性,运用3dB带宽测量,时域累加,时频变换的方法,能够快捷的识别出常规雷达信号、BPSK信号、QPSK信号、LFM信号、NLFM信 号、VFM信号、SFM信号七种不同雷达信号。本发明首次提出了基于FPGA实现的脉冲干扰内部调制特征实时提取与分类方法,可以实时的完成识别雷达信号的调制方式(频率调制或相位调制),精确估计它的调制参数(载频,脉宽,调制斜率,起始频率,截止频率,相对子码和子码宽度)。本发明的实现方法为:由matlab产生BPSK信号、QPSK信号、常规雷达信号、LFM信号、NLFM信号、VFM信号和SFM信号7种信号,经过切换选择对应信号的同相分量和正交分量。利用cordic算法计算出幅度和相位,根据幅度信息提取同步脉冲。FFT法计算信号的3dB带宽,同时测频,将信号的3dB带宽计算结果与阈值BTH进行比较,若信号的3dB带宽小于BTH,则识别成调相信号,若大于BTH则识别成调频信号。采用时域累加瞬时自相关法进行,根据跳变峰值进行区分BPSK信号、QPSK信号、常规雷达信号;采用时频分析的方法,FFT测频后根据其结果进行时频分析,根据中心频率法进行识别LFM信号、NLFM信号、VFM信号和SFM信号。
基于脉内调制特征实时提取与分类的FPGA实现***,它包括信号生成模块(1),脉冲形成模块(2),识别模块(3),测频模块(4)和综合判别模块(5)。五个模块构成的“基于脉冲干扰内部调制特征实时提取与分类”均适用于FPGA实现。信号生成模块(1)经由matlab产生信号,经脉冲形成模块(2)后,计算信号幅度和相位,提取同步脉冲;同时经识别模块(3)和测频模块(4),FFT法计算信号的3dB带宽,将信号的3dB带宽计算结果与阈值BTH进行比较,若信号的3dB带宽小于BTH,则识别成调相信号,若大于BTH则识别成调频信号。采用时域累加瞬时自相关法进行,根据跳变峰值进行区分BPSK信号、QPSK信号、常规雷达信号。采用时频分析的方法。首先进行FFT测频,根据其结果进行时频分析,根据中心频率进行识别LFM信号、NLFM信号、VFM信号和SFM信号。最后经综合判别模块(5)给出识别雷达信号的调制方式和调制参数。
VFM信号存在极值点,前后两段的频率变化率明显不一致,每段频率变化率相同(不等于零);SFM信号存在极值点,频率呈三角函数变化关系,起始时刻、中间时刻、结束时刻对应的频率的变化率相同(等于零)。信号经过FFT法测频,经过频点搜索采用中心频率法识别VFM信号和SFM信号。
脉冲干扰内部调制VFM信号和SFM信号分类采用中心频率法。以采样率fs=50M,VFM信号:频率变化斜率k=6.1×1010Hz/s,脉宽T=81.92us,带宽B=5MHz,起始频率-2MHz,截止频率3MHz;SFM信号:fm=1/T=1.2×104,mf=327.68,脉宽T=81.92us,带宽B=8MHz,起始频率0MHz,截止频率0MHz为例。VFM信号和SFM信号经FFT法计算它们的3dB带宽,同时测 频,将它们的3dB带宽计算结果与阈值进行比较,大于识别成调频信号。根据FFT测频结果进行时频分析,根据中心频率进行识别VFM信号、SFM信号和它们的调制参数。
本发明是采用FPGA实现的,保证信号处理的实时性,它包括信号生成模块,脉冲形成模块,识别模块,测频模块和综合判别模块。
基于本发明的实现方法为:由matlab产生BPSK信号、QPSK信号、常规雷达信号、LFM信号、NLFM信号、VFM信号和SFM信号7种信号,经过切换选择对应信号的同相分量和正交分量。利用cordic算法计算出幅度和相位,根据幅度信息提取同步脉冲。FFT法计算信号的3dB带宽,同时测频,将信号的3dB带宽计算结果与阈值BTH进行比较,若信号的3dB带宽小于BTH,则识别成调相信号,若大于BTH则识别成调频信号。采用时域累加瞬时自相关法进行,根据跳变峰值进行区分BPSK信号、QPSK信号、常规雷达信号;采用时频分析的方法,FFT测频后根据其结果进行时频分析,根据中心频率法进行识别LFM信号、NLFM信号、VFM信号和SFM信号。
本发明的特点主要有以下2点:
1、PSK信号识别,采用时域累加瞬时自相关法进行,根据跳变峰值进行区分。
在有噪声的情况下,常规信号相位跳变幅度小几乎为零,调相信号跳变幅度大,且BPSK信号只有一种跳变值,QPSK信号则有两种跳变值,这样可以根据瞬时自相关后的相位跳变值不同将三种信号区分开。相位采用瞬时累加自相关法,10个时刻相位差的平均值做8个点的累加,由于相位做差有可能出现负值,所以需要经过一个取绝对值的模块,将取绝对值后的相位累加结果进行PSK信号的识别。采用时域累加瞬时自相关的方法可以提高抗噪性能。
2、FM信号的识别,采用中心频率法进行区分。
LFM信号的频率变化率相同(不等于零);NLFM信号的频率变化率明显不一致;VFM信号存在极值点,前后两段的频率变化率明显不一致,每段频率变化率相同(不等于零);SFM信号存在极值点,频率呈三角函数变化关系,起始时刻、中间时刻、结束时刻对应的频率的变化率相同(等于零)。信号经过FFT法测频,经过频点搜索采用中心频率法识别FM信号。
下面结合附图和实例对本发明做更详细地描述:以fs=50M采样,
(1)输入信号为常规雷达信号,采样频率fs=50MHz,载频f0=-2.5MHz,脉宽T=10.4us;
(2)输入信号为BPSK信号,采样频率fs=50MHz,载频f0=-2.5MHz,子码宽度为0.5us;
(3)输入信号为QPSK信号,采样频率fs=50MHz,载频f0=-2.5MHz,子码宽度为2.5us;
(4)输入信号为LFM信号,频率变化斜率k=9.8×1010Hz/s,脉宽T=81.92us,带宽 B=8MHz,起始频率-2MHz,截止频率6MHz;
(5)输入信号为NLFM信号,a1=-2×106,a2=0.125×1011,a3=3×1014,脉宽T=81.92us,带宽B=8MHz,起始频率-2MHz,截止频率6MHz;
(6)输入信号为VFM信号,频率变化斜率k=6.1×1010Hz/s,脉宽T=81.92us,带宽B=5MHz,起始频率-2MHz,截止频率3MHz;
(7)输入信号为SFM信号,fm=1/T=1.2×104,mf=327.68,脉宽T=81.92us,带宽B=8MHz,起始频率0MHz,截止频率0MHz为例。
图1是本发明的FPGA编程逻辑框图。结合图1,本发明的基于脉冲干扰内部调制特征实时提取与分类的FPGA实现由信号生成模块,脉冲形成模块,识别模块,测频模块和综合判别模块五个模块构成。五个模块构成的“基于脉冲干扰内部调制特征实时提取与分类”均适用于FPGA实现。FPGA芯片可选用Altera公司的STRATIX4代芯片EP4SGX230。整个***FPGA时钟采用50M时钟。
图2给出了脉内类型识别流程图。根据功率谱特点对信号进行粗识别。采用时域累加瞬时自相关法根据跳变峰值进行调相信号的细识别。对信号进行FFT测频,根据其结果进行时频分析,根据中心频率进行调频信号的细识别。
图3是利用cordic算法求取信号的相位和幅度。其基本思想是用一系列角度较小的基本旋转,通过迭代不断逼近所要旋转的角度。cordic算法可以归结为以下方程组:
对i作递推,当i趋近于无穷大时,得到cordic算法收敛的结果。根据CORDIC算法提取出幅度和相位,幅度信息用于形成同步脉冲,相位信息为后续PSK信号的识别及相对子码的识别提供基础。
图4是信号频谱3dB宽度计算流程流程图。采用FFT法得出信号的频谱。FFT法需要注意:50MHZ采样,为保证***的实时性和精度要求,选择了128点的FFT。通过累加多次128点FFT的结果进行测频,由于FPGA实现时考虑只能实现2n点FFT,因此若最后一次不足128点,将数据进行补0,进行128点FFT。实现过程如下:
(1)分配128点频率的最大值存储空间;
(2)在2.56us内采样128点;
(3)作128点FFT;
(4)对串行输出的128点数据求出最大值max_amplitude;
(5)将最大值记录到对应的存储空间;
(6)重复(2)—(5),直到脉冲结束;
(7)搜寻128点频谱值,超过1/2最大值(max_amplitude/2)的最大(max_freq)和最小(min_freq)频率点,统计频谱宽度。
B3dB=(max_freq-min_freq)×50/128
图5是PSK信号识别流程图,VB为常规信号和QPSK信号的阈值,VQ为QPSK和BPSK信号的阈值,LQ为相邻峰值间隔点数,CQ为大于VQ峰值点个数,CB为大于VB峰值点个数。首先对输入的相位累加自相关的结果寻找峰值,采用5个点,即某个点如果大于其前面相邻的两个点的值并且也大于其后面相邻两个点的值,则认为是一个峰值点,两个峰值点的间距应大于m个点(m根据实际FPGA实现时确定),小于m个点以内如果出现两个峰值点,则只要较大的那个,将峰值点与BPSK和QPSK阈值比较,分别统计超过BPSK和QPSK阈值的峰值点的个数,分别用CB和CQ表示,由于可能受到噪声等干扰,认为超过BPSK阈值的个数CB小于2、且超过QPSK阈值的峰值点的个数CQ小于10时认为是常规信号,否则当超过QPSK阈值的个数与超过BPSK阈值的个数差值即(CQ-CB)≤1时认为是BPSK信号,其他情况为QPSK信号。
图6是FM信号(LFM信号、NLFM信号、VFM信号和SFM信号)频率变化率示意图,清楚地描述了信号频率随时间变化的关系。
图7是调频信号识别流程图,实现过程如下:
(1)信号的最长脉宽为400us,一次128点的FFT需要2.56us,最多可以采到157个频率点,对ROM分配了200点存储空间。对存储空间内的频率值进行搜索:
频率最大值—fmax;
频率最小值—fmin;
起始时刻频率—f1;
中间时刻频率—fm;
终止时刻频率—f5;
频率极值—f3(fmax和fmin中的一个);
频率极值点对应的时刻与起始时刻的中间时刻的频率—f2;
频率极值点对应的时刻与终止时刻的中间时刻的频率—f4。
(2)若fmax和fmin是起始点和终止点,则用3个频率点即可识别LFM信号和NLFM信号。即f1,fm,f5。
若两段斜率相等(不等于零)则为LFM信号,不等则为NLFM信号。即(f1-fm)-(fm-f5)<m,m≠0识别为LFM信号,否则识别为NLFM信号。m为设定的斜率阈值。
(3)若fmax和fmin不是起始点和终止点,则用5个频率点来识别VFM信号,3个点来识别SFM信号。
f1、f2、f3、f4、f5以极值点f3为分界点,分为两部分进行判别,第一部分三个点为为f1、f2、f3,第二部分三个点为为f3、f4、f5,判别方法与LFM信号相同,若每一部分均为线性调频信号,且两部分斜率不等则为VFM信号。即(f1-f2)-(f2-f3)<m,(f5-f4)-(f4-f3)<m,则识别为VFM信号。
若两段斜率相等(等于零)(f1-fm)-(fm-f5)<m,识别为SFM信号。
若既不是VFM信号,又不是SFM信号,则识别为NLFM信号。
图8是常规雷达信号、BPSK信号、QPSK信号、LFM信号、NLFM信号、VFM信号和SFM信号仿真结果图。
Claims (1)
1.一种基于FPGA实现的脉内调制特征实时提取与分类***,其特征在于:
信号生成模块:
利用FPGA生成一路或三路脉冲干扰采样I、Q数据,数据由matlab仿真生成后存入PFGA;
脉冲形成模块:
根据采集到的I、Q数据,计算信号幅度与固定门限值比较判断信号是否存在及信号的起始点和结束点,若连续n个幅度大于固定门限值认为有信号,脉冲下降沿的判断也是连续n个幅度小于固定门限值,给出对应的视频脉冲;
识别模块,包括调相信号识别模块和调频信号模块:
调相信号识别模块包括相位瞬时自相关、时域累加、相对子码识别和峰值统计,根据跳变峰值进行区分调相信号;
调频信号识别模块包括延时模块、FFT、3dB带宽判决和时频统计,对通过延时模块输出的信号进行128点的FFT求信号的频率,进而计算信号的3dB带宽,粗识别出调频与调相信号,根据FFT求出的频率进行时频统计,识别调频信号;
测频模块,包括FFT测频和瞬时相位差测频:
FFT法测频所需时间长,在调频信号的识别时,至少需要5个频率点进行时频分析,在处理短脉冲信号时,调频信号采用瞬时相位差法来计算信号的频率,通过CORDIC模块输出的相位信息进行瞬时相位差测频;
综合判别模块:
同步脉冲过后,依据统计结果,给出脉内分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410239302.4A CN104052701B (zh) | 2014-06-03 | 2014-06-03 | 一种基于fpga实现的脉内调制特征实时提取与分类*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410239302.4A CN104052701B (zh) | 2014-06-03 | 2014-06-03 | 一种基于fpga实现的脉内调制特征实时提取与分类*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104052701A true CN104052701A (zh) | 2014-09-17 |
CN104052701B CN104052701B (zh) | 2018-01-19 |
Family
ID=51505077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410239302.4A Active CN104052701B (zh) | 2014-06-03 | 2014-06-03 | 一种基于fpga实现的脉内调制特征实时提取与分类*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104052701B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426602A (zh) * | 2015-11-05 | 2016-03-23 | 中国电子科技集团公司第四十一研究所 | 一种基于多核dsp实现脉内调制特性分析的装置及方法 |
CN105652248A (zh) * | 2014-11-10 | 2016-06-08 | 中国船舶重工集团公司第七二三研究所 | 一种基于数字滤波和时频分析的雷达信号微特征分析*** |
CN105842534A (zh) * | 2016-03-16 | 2016-08-10 | 重庆邮电大学 | 基于pri变换的单通道多分量sfm信号参数估计方法 |
CN106526566A (zh) * | 2016-12-07 | 2017-03-22 | 中国船舶重工集团公司第七二四研究所 | 基于fpga高速预处理的信号脉内特征实时分析处理方法 |
CN106842141A (zh) * | 2017-04-14 | 2017-06-13 | 中国人民解放军武汉军械士官学校 | 一种高阶多次共轭滞后积脉内分析方法 |
CN108051781A (zh) * | 2017-08-22 | 2018-05-18 | 哈尔滨工程大学 | 一种基于dbn模型的雷达信号工作模式识别方法 |
CN109034087A (zh) * | 2018-08-06 | 2018-12-18 | 河海大学 | 一种基于pca降维的混合型机器学习信号分类方法 |
CN109167746A (zh) * | 2018-08-31 | 2019-01-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 连续波与脉冲信号快速识别装置 |
CN109375180A (zh) * | 2018-10-23 | 2019-02-22 | 哈尔滨工程大学 | 一种基于间歇采样转发的雷达超前干扰fpga实现方法 |
CN110361691A (zh) * | 2019-07-24 | 2019-10-22 | 哈尔滨工程大学 | 基于非均匀阵列的相干信源doa估计fpga实现方法 |
CN110535798A (zh) * | 2019-08-08 | 2019-12-03 | 南京航空航天大学 | 一种基于fpga的lfm_bpsk复合调制信号实时产生方法 |
CN112666544A (zh) * | 2021-03-16 | 2021-04-16 | 绵阳市游仙区创新科技产业技术研究院 | 基于二次雷达的高精度定位*** |
CN112782451A (zh) * | 2020-12-22 | 2021-05-11 | 中国科学院合肥物质科学研究院 | 一种基于时域的相位分析方法、装置及*** |
CN112859019A (zh) * | 2021-01-11 | 2021-05-28 | 北京无线电计量测试研究所 | 一种脉内调制类型参数提取***和使用方法 |
CN113759318A (zh) * | 2021-09-28 | 2021-12-07 | 南京国立电子科技有限公司 | 一种雷达信号脉内调制类型自动识别方法 |
CN114070679A (zh) * | 2021-10-25 | 2022-02-18 | 中国电子科技集团公司第二十九研究所 | 一种面向脉冲智能分类的频相特征分析方法 |
CN115499279A (zh) * | 2022-09-06 | 2022-12-20 | 扬州宇安电子科技有限公司 | 一种基于相位差分的脉内调制类型识别方法 |
CN116975747A (zh) * | 2023-07-18 | 2023-10-31 | 中国人民解放军军事科学院***工程研究院 | 一种无线电信号引信快速侦收分选方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3381073D1 (de) * | 1982-10-04 | 1990-02-08 | Nec Corp | Verfahren zur qualitaetsmessung eines empfangssignals eines empfaengers in einem zweidimensionalen linear modulierten datenuebertragungssystem. |
CN101834819B (zh) * | 2010-05-14 | 2012-06-06 | 哈尔滨工业大学 | 基于平行判决的模拟数字混合调制方式识别装置和数字调制方式识别装置 |
CN102209056B (zh) * | 2011-04-15 | 2013-06-19 | 华中科技大学 | 一种导航信号调制方法 |
-
2014
- 2014-06-03 CN CN201410239302.4A patent/CN104052701B/zh active Active
Non-Patent Citations (1)
Title |
---|
司建伟等: "雷达信号脉内调制识别及其FPGA实现", 《弹箭与制导学报》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652248A (zh) * | 2014-11-10 | 2016-06-08 | 中国船舶重工集团公司第七二三研究所 | 一种基于数字滤波和时频分析的雷达信号微特征分析*** |
CN105426602B (zh) * | 2015-11-05 | 2019-07-26 | 中国电子科技集团公司第四十一研究所 | 一种基于多核dsp实现脉内调制特性分析的装置及方法 |
CN105426602A (zh) * | 2015-11-05 | 2016-03-23 | 中国电子科技集团公司第四十一研究所 | 一种基于多核dsp实现脉内调制特性分析的装置及方法 |
CN105842534A (zh) * | 2016-03-16 | 2016-08-10 | 重庆邮电大学 | 基于pri变换的单通道多分量sfm信号参数估计方法 |
CN106526566A (zh) * | 2016-12-07 | 2017-03-22 | 中国船舶重工集团公司第七二四研究所 | 基于fpga高速预处理的信号脉内特征实时分析处理方法 |
CN106842141A (zh) * | 2017-04-14 | 2017-06-13 | 中国人民解放军武汉军械士官学校 | 一种高阶多次共轭滞后积脉内分析方法 |
CN108051781A (zh) * | 2017-08-22 | 2018-05-18 | 哈尔滨工程大学 | 一种基于dbn模型的雷达信号工作模式识别方法 |
CN109034087A (zh) * | 2018-08-06 | 2018-12-18 | 河海大学 | 一种基于pca降维的混合型机器学习信号分类方法 |
CN109034087B (zh) * | 2018-08-06 | 2021-11-30 | 河海大学 | 一种基于pca降维的混合型机器学习信号分类方法 |
CN109167746B (zh) * | 2018-08-31 | 2021-01-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 连续波与脉冲信号快速识别装置 |
CN109167746A (zh) * | 2018-08-31 | 2019-01-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 连续波与脉冲信号快速识别装置 |
CN109375180A (zh) * | 2018-10-23 | 2019-02-22 | 哈尔滨工程大学 | 一种基于间歇采样转发的雷达超前干扰fpga实现方法 |
CN110361691B (zh) * | 2019-07-24 | 2023-05-30 | 哈尔滨工程大学 | 基于非均匀阵列的相干信源doa估计fpga实现方法 |
CN110361691A (zh) * | 2019-07-24 | 2019-10-22 | 哈尔滨工程大学 | 基于非均匀阵列的相干信源doa估计fpga实现方法 |
CN110535798A (zh) * | 2019-08-08 | 2019-12-03 | 南京航空航天大学 | 一种基于fpga的lfm_bpsk复合调制信号实时产生方法 |
CN112782451A (zh) * | 2020-12-22 | 2021-05-11 | 中国科学院合肥物质科学研究院 | 一种基于时域的相位分析方法、装置及*** |
CN112859019A (zh) * | 2021-01-11 | 2021-05-28 | 北京无线电计量测试研究所 | 一种脉内调制类型参数提取***和使用方法 |
CN112666544A (zh) * | 2021-03-16 | 2021-04-16 | 绵阳市游仙区创新科技产业技术研究院 | 基于二次雷达的高精度定位*** |
CN112666544B (zh) * | 2021-03-16 | 2021-06-22 | 绵阳市游仙区创新科技产业技术研究院 | 基于二次雷达的高精度定位*** |
CN113759318A (zh) * | 2021-09-28 | 2021-12-07 | 南京国立电子科技有限公司 | 一种雷达信号脉内调制类型自动识别方法 |
CN113759318B (zh) * | 2021-09-28 | 2024-01-19 | 南京国立电子科技有限公司 | 一种雷达信号脉内调制类型自动识别方法 |
CN114070679A (zh) * | 2021-10-25 | 2022-02-18 | 中国电子科技集团公司第二十九研究所 | 一种面向脉冲智能分类的频相特征分析方法 |
CN115499279A (zh) * | 2022-09-06 | 2022-12-20 | 扬州宇安电子科技有限公司 | 一种基于相位差分的脉内调制类型识别方法 |
CN115499279B (zh) * | 2022-09-06 | 2023-09-05 | 扬州宇安电子科技有限公司 | 一种基于相位差分的脉内调制类型识别方法 |
CN116975747A (zh) * | 2023-07-18 | 2023-10-31 | 中国人民解放军军事科学院***工程研究院 | 一种无线电信号引信快速侦收分选方法 |
CN116975747B (zh) * | 2023-07-18 | 2024-02-27 | 中国人民解放军军事科学院***工程研究院 | 一种无线电信号引信快速侦收分选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104052701B (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104052701A (zh) | 一种基于fpga实现的脉内调制特征实时提取与分类*** | |
CN109167746B (zh) | 连续波与脉冲信号快速识别装置 | |
US6539320B1 (en) | Time delay determination and determination of signal shift | |
JP6026531B2 (ja) | レーダー用デジタル受信機を用いるレーダーパルス検出 | |
CN111722188B (zh) | 基于stft预分选的pri变换雷达信号分选方法 | |
CN102176004B (zh) | 基于多通道时延估计的激光飞行时间测量装置及其方法 | |
CN102739272B (zh) | 一种基于fpga实现的信道化接收机子信道实时频谱合成方法 | |
CN111090077B (zh) | 多维度去交错后的toa差分统计雷达信号分选方法 | |
CN109490862B (zh) | 一种基于相位差分统计谱的载频估计方法 | |
CN110133632B (zh) | 一种基于cwd时频分析的复合调制信号识别方法 | |
CN110031854A (zh) | 一种实时的高精度激光多回波距离提取方法 | |
CN115499279B (zh) | 一种基于相位差分的脉内调制类型识别方法 | |
JP5752481B2 (ja) | パッシブレーダ装置、誘導装置及び電波検出方法 | |
CN108923860A (zh) | 基于过门限修正的盲脉冲信号toa估计方法 | |
CN105629224A (zh) | 调频连续波雷达高精度测距方法 | |
CN115993580A (zh) | 一种被动侦察***信号处理方法 | |
CN107171994A (zh) | 无线电引信信号识别和重构***及方法 | |
CN104022761A (zh) | 一种脉冲调制信号的测试方法 | |
CN114296032A (zh) | 一种基于fpga的实时复杂信号识别与参数估计方法 | |
Jiang et al. | Specific radar emitter identification based on a digital channelized receiver | |
CN110632563B (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
CN102790650B (zh) | 一种宽带lfm信号的分数域奇偶交替信道化接收方法 | |
EP3055704B1 (en) | Analog to information converter | |
Guo et al. | Radar signal recognition based on ambiguity function features and cloud model similarity | |
CN115396270A (zh) | 基于数据类型识别的调频信号时频同步***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |