为解决信号分量能量不同且时频交叠严重时多分量辐射源信号的检测问题,提出了一种基于乘积高阶模糊函数(PHAF)的检测方法。该方法采用“剥洋葱”的策略,按照能量强弱逐次检测各信号分量。检测时,先检测和剥除能量较强的信号分量,以避免弱信号分量受其它信号分量和交叉项的干扰。将不同时延的高阶模糊函数相乘,以强化信号分量、弱化噪声,有效检测低信噪比信号。分析和实验结果表明:提出的方法能有效检测时频交叠严重的多分量辐射源信号,对强、弱能量信号分量的相对检测误差分别小于2.457×10-4和7.560×10-2; 检测含

基于Gabor原子的雷达辐射源信号无意调制特征提取

为了提高神经网络对分布复杂的雷达信号类型的识别率，提出一种结合小波变换、互信息特征选择及神经网络的分类新方法。首先利用小波变换对信号进行特征提取，然后通过基于互信息的特征选择来对特征进行选择，最后把选择出的特征作为神经网络的训练样本对其进行辐射源类型的识别。仿真结果显示，该方法能够利用较少的特征值得到较高的识别正确率。

Link11辐射源信号仿真平台的设计与研究 ，田金龙，付永庆，由于Link11信号保密性强的特点以及目前没有公开的信号生成软件的现状，故少有对其进行深入的研究。根据目前已掌握相关资料，在Matlab

雷达辐射源信号聚类分选算法综述.pdf

雷达辐射源信号因无法避免的振荡器相位噪声影响而具有无意调制个体特征现象。特定辐射源识别（SEI）技术研究立足于从截获的辐射源信号中提取细微且稳健的特征，这些特征是由特定辐射源个体所决定的指纹信息。采用围线积分双谱提取由振荡器相位噪声所造成的无意调制个体特征，并将围线积分双谱的均值、波形熵和双谱熵作为量化特征衡量不同雷达辐射源之间的个体差异。仿真实验表明，提取的量化特征在一定的信噪比环境下较好地体现辐射源之间的个体差异性，并且能够实现辐射源个体识别。

本文档记录了关于雷达分选所用到的一些常用信号参数；介绍了雷达分选的经典算法，并简要分析了各种方法的优缺点。

基于时频重排多分量辐射源信号分析研究 研究时频分析，时频图像，雷达信号分选的请看