文献

J-GLOBAL ID：202102217154026620   整理番号：21A2572213

多重画像からの特徴に基づくLPIレーダ波形認識【JST・京大機械翻訳】

LPI Radar Waveform Recognition Based on Features from Multiple Images

著者 (5件)： Ma Zhiyuan (College of Physical Science and Technology, Central China Normal University, No.152 Luoyu Road, Wuhan 430079, China) ,  Ma Zhiyuan (Department of Electronic Technology, Naval University of Engineering, Wuhan 430033, China) ,  Huang Zhi (Department of Electronic Technology, Naval University of Engineering, Wuhan 430033, China) ,  Lin Anni (Department of Electronic Technology, Naval University of Engineering, Wuhan 430033, China) ,  Huang Guangming (College of Physical Science and Technology, Central China Normal University, No.152 Luoyu Road, Wuhan 430079, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 2  ページ： 526  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： リアルタイムにおける遮断雑音LPI(低確率インターセプト)レーダ信号の変調型の検出と分類は,電子知能システムにおける必要な生存技術である。ほとんどのレーダ信号がLPI特性を有するように設計された。したがって,LPIレーダ波形認識技術(LWRT)は最近ますます注目を集めている。本論文では,ほとんどのLPIレーダ信号の非定常特性に対する各特徴画像の事前分類結果を得るために,画素特徴を完全に抽出する2つの異なる特徴抽出構造を有する多重特徴画像結合決定(MFIJD)モデルを提案した。このモデルのコア技術は,短時間自己相関特徴画像,二重短時間自己相関特徴画像,および元の信号時間周波数画像(TFI)をハイブリッドモデル分類器に同時に入力し,非定常信号に適し,より高い普遍性を持っている。本文で定義された11種類の信号をシミュレートし,訓練セットとテストセットを生成することによりMFIJDの性能を実証した。文献との比較は,提案方法がLPIレーダ信号のために高い普遍性を持っているだけではなく,低SNR(信号対雑音比)環境におけるLPIレーダ波形認識により良い適応もすることを示した。SNRが6dBであるとき,方法の全体的認識率は87.7%に達した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  雑音 ,  *レーダ ,  定常特性 ,  特徴抽出 ,  画素 ,  *多重化 ,  自己相関 ,  普遍性
準シソーラス用語： 時間周波数 ,  非定常信号 ,  認識率 ,  ハイブリッドモデル ,  実時間 ,  低SN比 , 【Automatic Indexing@JST】

著者キーワード (3件)： インターセプトの低確率 ,  多重特徴画像 ,  短時間自己相関

分類 (1件)： レーダ  (ND13010H)

引用文献 (25件)：

• Wiley, R.G. ELINT: The Interception and Analysis of Radar Signals; Artech House: Norwood, MA, USA, 2006.
• Lunden, J.; Koivunen, V. Automatic radar waveform recognition. IEEE J. Sel. Top. Signal Process. 2007, 1, 124-136.
• Ma, J.; Huang, G.; Zuo, W.; Wu, X.; Gao, J. Robust radar waveform recognition algorithm based on random projections and sparse classification. IET Radar Sonar Navig. 2014, 8, 290-296.
• Davy, J. Data Modeling and Simulation Applied to Radar Signal Recognition. Mol. Quantum Acoust. 2005, 26, 165-173.
• Zhou, Z.; Huang, G.; Gao, J.; Man, X. Radar emitter identification algorithm based on deep learning. J. Xidian Univ. 2017, 44, 85-90.

タイトルに関連する用語 (3件)： 多重 ,  レーダ ,  波形