1 海军工程大学电子工程学院, 武汉 430000
2 中国洛阳电子装备试验中心, 河南 洛阳 471000
结合典型LPI雷达信号的特点和调制样式识别的需求, 提出了一种基于高斯平滑模糊函数和sDAE_LIBSVM的调制样式识别方法。首先, 采用模糊函数变换结合高斯平滑, 完成特征图像的构建; 其次, 通过融合栈式降噪自编码器(sDAE)和LIBSVM搭建识别网络, 用于特征图像的分类识别。仿真实验可知, 所提方法在SNR为-7 dB时, 对BPSK, Costas, Frank, LFM及T1~T4共8类LPI雷达典型调制样式能达到97%的成功识别概率, 并具有较强的稳定性和鲁棒性, 相比其他方法具有更好的识别性能。
雷达信号 调制识别 高斯平滑 模糊函数 低截获概率 radar signal modulation recognition Gaussian smoothing ambiguity function sDAE sDAE LIBSVM LIBSVM LPI AFI Ambiguity Function Image
为解决光电载荷高速运动成像中产生的径向模糊与抖动模糊相结合的联合模糊形式的复原问题, 建立了相应物理模型, 通过子图像模糊核函数逐层扩展估计的方式, 改进RL TV递推模型完成对联合模糊图像的复原。研究结果表明：联合模糊核函数是抖动向量与径向向量在曝光时间内的叠加, 仿真效果与实测效果相符;联合模糊图像由边缘至中心径向模糊特性逐渐衰减, 图像中心区域能够近似估计抖动模糊核函数;采用由中心向边缘子图像层次递推方法能够有效复原联合模糊图像, 效果明显优于顺序复原等其他复原手段。
图像复原 径向模糊 抖动模糊 联合模糊 RL-TV算法 image restoration radial blur vibration blur hybrid blur RL-TV algorithm
