基于高斯平滑与AF等高线的新型雷达信号分选策略

本文主要探讨的是雷达辐射源信号分选问题，特别是在现代战场环境中，由于复杂体制雷达技术的发展，信号特征变得更加多样化和复杂。传统的五元组参数（载波频率、到达时间、脉冲宽度、脉冲幅度和到达角度）已不足以有效区分信号。因此，研究人员寻求新的方法来提取更为快速和精确的脉内特征参数。 文章关注的焦点是基于高斯平滑和模糊函数等高线的特征提取策略。高斯平滑是一种常用的数据预处理技术，它通过在信号上应用高斯滤波器来减少噪声影响，提高信号的平滑度，从而更好地揭示信号的内在结构。模糊函数作为一种重要的信号分析工具，其Ambiguity Function (AF)能够提供信号的完整内部特性，包括时频域信息，有助于识别独特的特征，如AF主脊(AFMR)。 文献[9]和[10]的工作已经利用AFMR进行特征提取，并结合降噪技术和预处理策略来增强特征的抗干扰能力。然而，AFMR的计算过程往往涉及到分数自相关和坐标转换，这增加了计算复杂度，可能影响实时性。为了改进这一点，文献[12]尝试通过提取AF的对角线切片，并利用小波分解来提取特征向量，虽然简化了流程，但小波系数的提取可能丢失部分信息，且在低信噪比条件下抗噪性能不足。 本文提出了一种新颖的AF特征提取方法，首先通过高斯平滑处理离散信号的AF，接着利用线性插值计算AF的等高线。这种处理方式保留了信号的局部结构信息，同时降低了计算复杂度。从图像处理的角度，AF等高线的正外接矩和方向角被选择作为特征向量，这些特征不仅直观反映信号特性，而且具有更好的抗噪性能。这种方法旨在提高信号分选的准确性和实时性，尤其是在低信噪比环境下，期望能显著提升平均分选成功率。 通过这种方式，本文的研究为解决现代战场环境中复杂雷达信号分选问题提供了新的思路和技术手段，对于提升雷达信号处理的效率和有效性具有重要意义。后续的工作可能围绕如何优化特征选择、进一步降低计算成本以及提高算法鲁棒性等方面展开。