论文部分内容阅读
随着新体制雷达在现代化电子战争中不断应用,新体制雷达已成为当前的研究热点。正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)雷达作为一种新体制雷达具有较高的频谱利用率,良好的抗干扰能力及低截获性能,这给OFDM雷达的电子侦察工作带来了巨大的挑战。在精确电子战中,有效地识别出OFDM雷达信号的调制类型和准确地估计出雷达信号的参数已成为必不可少的环节。本文针对上述问题,以OFDM雷达信号为研究对象,对OFDM雷达信号的调制识别和参数估计进行了相关研究。具体研究工作如下:1.研究了三种调制方式的OFDM雷达信号模型,对这三种OFDM雷达信号的时域、频域和时频域特征进行了分析,对OFDM雷达信号提取了四种脉内特征,为后续的OFDM雷达信号识别和参数估计研究奠定了基础。2.研究了基于TPOT与LIME结合的OFDM雷达信号识别方法。该方法既能准确地识别出OFDM雷达信号的调制类型,又能对预测结果的正确性做出可解释评估。为了解决在识别过程中需要提取人工特征以及在噪声环境复杂情况下对OFDM雷达信号识别效果差等问题,设计了一种适合于OFDM雷达信号识别的卷积神经网络结构。该网络结构利用一维卷积神经网络分别对OFDM雷达信号的时域和频域特征进行学习,并将学到的特征进行融合,从而实现了OFDM雷达信号的调制类型识别。并通过仿真验证了上述方法的有效性。3.在准确地识别出OFDM雷达信号调制类型的基础上,给出了对应的调制参数估计算法。对LFM-OFDM雷达信号,通过分数阶傅里叶变换方法对信号的调制率和子载波数目进行估计,在估计出信号的调制率后对信号进行解线调处理,通过对解线调后信号的频谱分析,实现了信号的载频估计。对MLFM-OFDM雷达信号,采用了LSD算法对信号的时频图分析,从而估计出信号的调制率和分段数目,在估计出信号的调制率后对信号进行解线调处理,通过对解线调后信号的频谱分析,完成了信号的载频和子载波数目估计。对LFM-OFDM和MLFM-OFDM雷达信号进行模值平方分析实现了对信号的子载波频率间隔估计。对PSK-OFDM雷达信号,采用小波变换分析方法对信号进行两次离散小波变换,实现了对信号的码速率估计。并通过仿真验证了算法的有效性。