Automatyczna detekcja i klasyfikacja sygnałów radarowych LPI

• Autorzy: Griszin J.

Warianty tytułu

EN

Autonomous LPI radar signal detection and classification

• Konferencja: Urządzenia i systemy radioelektroniczne (UiSR) ; (2 ; 13-15.06.2007 ; Soczewka k. Płocka, Polska)
• Języki publikacji: PL

Abstrakty

PL

W radarach LPI (ang. Low Probability of Interception) stosowane są szerokopasmowe sygnały ze złożonymi rodzajami wewnętrznej częstotliwościowej lub fazowej modulacji. W ostatnich latach do celów detekcji oraz klasyfikacji sygnałów radarowych tego typu są szeroko stosowane metody wykorzystujące transformacje czas-częstotliwość. Należą do nich metody oparte na transformacjach Wignera Ville'a (WVD), analizie falkowej (Wavelet Transform) oraz na technice cyklostacjonarnej analizy widmowej. Każda z tych metod ma pewne zalety i ograniczenia przy ekstrakcji parametrów i detekcji sygnałów o określonych rodzajach modulacji. W przypadku automatyzacji tego procesu sprawa znacznie się komplikuje. Koniecznie jest określenie ograniczonej liczby cech tych transformacji, na podstawie których możliwie jest rozróżnienie sygnałów, a nawet rozpoznanie oddzielnych źródeł promieniowania (ang. Specific Emitter Identification - SEI). W referacie rozpatrzono jedno z możliwych podejść do rozwiązania tego problemu, oparte na zastosowaniu sztucznych sieci neuronowych typu RBF, estymatorów rozkładów prawdopodobieństwa oraz stochastycznych klasyfikatorów, wykorzystujących rezultaty transformacji WVD, transformacji falkowej oraz cyklostacjonarnej analizy widmowej.

EN

The paper describes a possible structure of the LPI radar signal classification algorithm (receiver) based on using in parallel the Wigner-Ville Distribution, the Wavelet Transform and the Cyclostationary Signal Processing. The efficiency of each such a transformation with respect to different kinds of digital LPI radar signal modulation is considered. Such a receiver contains the noise reduction procedure with using a twodimensional filter and the RBF neural network probability density function estimator which extracts the features vector used for the final radar signal classification.

Słowa kluczowe

PL

radary LPI; transformacje czas-częstotliwość; cyklostacjonarna analiza widmowa; transformacja falkowa; rozpoznanie sygnałów radiolokacyjnych

EN

LPI radars; time-frequency transform; cyclostationary spectral analysis; wavelet transform; radar signals recognition

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2007
• Tom: Vol. 56, nr sp.2
• Strony: 165--169
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Griszin J.

• Politechnika Białostocka, 15-351 Białystok, ul. Wiejska 45D

Bibliografia

• [1] V. C. Chen, H. Ling, Time-frequency transforms for radar imaging and signal analysis, Artech House, 2002.
• [2] Yu. P. Grishin, Time-Frequency Analysis in Application to Radar Signal Processing: A Survey, Proceedings of the International Radar Symposium IRS 2004, May 19-21, Warszawa, 2004, 317-322.
• [3] Yu. Grishin, K. Konopko, A Radar Signal Recognition Algorithm Based on the Wigner-Ville Distribution and the RBF Probability Density Function Estimation, Proceedings of the International Symposium on Signals, Systems and Electronics ISSSE 2004, Linz, Austria, August 10-13, v. 1, 2004.
• [4] J. Griszin, K. Konopko, Automatyczne rozpoznawanie sygnałów radiolokacyjnych z wykorzystaniem transformat Wignera-Villego, Biul. WAT, nr 2(642), Warszawa, 2006, 65-77.
• [5] S. Haykin, Neural networks: A Comprehensive Foundation, Macmillan College Publishing Company Inc., NY, 1994.
• [6] P. E. Pace, Detecting and classifying low probability of intercept radar, Artech House, London, 2004.
• [7] A. D. Poularikas (ed.), The transforms and applications handbook, CRC Press LLC, 2000.
• [8] S. Qian, D. Chen, Introduction to joint time-frequency analysis-methods and applications, Englewood Cliffs, NJ, Prentice Hall, 1996.
• [9] J. P. Stephens, Advances in signal processing technology for electronic warfare, System Magazine, 11, no. 11, 1996, 31-37.
• [10] E. Świercz, An application of the polynomial Wigner-Ville distribution to processing of radar signals, IEEE Workshop on Signal Processing, Poznań, 12 October 2003 (CD).
• [11] B. Tracer, P. Loughlin, Non-stationary signal classification using the joint moments of timefrequency distributions, Pattern Recognition, 31(11), 1998, 1635-1641.
• [12] R. G. Wiley, Electronic intelligence: the analysis of radar signals, Artech House, 1993.