雷达干扰感知技术研究及其GPU实现

作     者：李紫航 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：罗丰;宋万杰;张文祥

授予年度：2018年

学科分类：11[军事学] 080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 110503[军事学-军事通信学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 1104[军事学-战术学] 082601[工学-武器系统与运用工程] 081105[工学-导航、制导与控制] 0826[工学-兵器科学与技术] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 

主      题：干扰感知 熵理论 分类器 GPU 

摘      要：随着雷达技术的不断发展进步,如何进行高效准确的抗干扰也逐渐成为雷达工作者所切实关心的热点问题。干扰感知技术通过不同干扰间的特征差异区分干扰类型,以帮助雷达采取相应抗干扰措施抑制干扰信号,可以有效提高抗干扰的效果,因此干扰感知技术也被摆上了日益重要的位置。介于上述原因,本文就雷达干扰感知技术作了详细介绍。由于雷达干扰的类型众多,本文首先根据不同属性对各类干扰进行了总结和划分,并给出了本文主要研究的三种压制式干扰和三种欺骗式干扰的理论公式和仿真波形,并对其统计特性和时域频域特征做出了具体分析;在此基础上对干扰包括时域矩偏度、时域矩峰度等的时域频域特征进行了特征提取;并将热力学中的熵理论延伸至干扰感知技术中,使用了包括信息熵、指数熵等四种基于熵理论的特征提取方法进行了特征提取,对上述特征提取方法均进行了仿真,并作出了详细分析,根据不同干扰在特征提取后的差异分析了使用特定特征提取方法可以区分的干扰类型;随后使用基于熵理论的特征提取方法,采用朴素贝叶斯、BP神经网络和随机森林分类器三种常见分类器对三种压制式干扰和三种欺骗式干扰进行了干扰感知,得出了各分类器的干扰识别率,并对分类器的识别率和稳定性进行了具体分析;通过比较三种分类器的分类效果,得出了朴素贝叶斯分类器在本文中最适用的结论;最后,将基于朴素贝叶斯分类器的干扰感知算法移植到GPU中,使用GPU编程语言CUDA C编程实现了干扰感知算法,并得到了比较满意的识别率,从而达到了从理论到实践的转换。