1、项目背景随着电子信息技术的迅速发展，通信信号的调制样式变得越来越复杂，电台个体设备的数量也逐渐增加，导致传输环境的信噪比较低且常常在一定的范围内变化，对电台个体信息的获取变得越来越困难，这给电子对抗领域的通信侦查带来了极大的挑战。如何在变化范围较大的低信噪比下有效的提取信号的特征，通过分析信号的有效特征属性，确定信号的类别，进而判断敌方电台的位置、威胁等级、干扰对象、电台性质等，对电子侦察、军事打击以及干扰敌方信号都具有着重要的应用价值。经过多年的发展，信号识别已经取得了很多成果，但还没有形成一个完整的科学体系，其中涉及到许多复杂的因素，包括电台信号的数量、复杂度的日益提高，电磁环境的日益复杂，噪声信号的干扰也逐渐增大以及大量新体制通信设备的应用，导致传统的算法在很多情况下都无法准确实现复杂的低信噪比环境中的信号识别，而这种变化低信噪比下的信号识别，本质上是对确定性的信号和不确定性噪声叠加的联合信号的识别，即对具有一定模糊性的信号的识别，究其根本原因是研究对模糊数据进行特征提取与分类的数学手段问题。2、技术创新点针对不稳定的，具有一定变化范围的低信噪比环境下的多种复杂信号个体识别问题，提出一种抗噪性能较好的信号自适应侦测识别系统，首先对接收信号的信噪比进行粗略估计，根据所估计信噪比的范围，自适应选择合适的多维特征提取算法，再针对信噪比较低的环境，利用云模型数字特征进行二次特征提取，选择Holder系数等算法进行特征选择构建特征数据库，再利用多种灰色关联分类器对信号进行多周期识别，最后，利用证据理论对识别结果进行二次判决，输出最终的分类结果。云模型二次模糊特征提取算法以及联合分类器设计等都是信号与信息处理中的新技术，这些方法的提出及使用，可以为信号个体识别算法带来一些新的思路，且这些内容的提出，都是课题组在分析大量参考文献的基础上，针对信号个体识别领域中存在的问题，并在理论与实践的基础上所提出来的，有望为今后的工程实现提供可靠地理论依据。3、技术的成熟度该项目处于研发阶段，已经在辐射源个体识别中进行实测数据验证，效果较好，在信噪比为-10dB时，可以达到100%的识别率；对于相同的10个电台，在无噪声情况下，识别相同电台发射相同信号所携带的细微特征，可以达到100%的识别率。4、技术的实用性和适用领域变化低信噪比下的信号识别，在许多领域都具有重要的研究价值。如机械故障诊断领域的故障信号的识别问题，地质勘测中的地质信号分析以及房屋建设中的墙体质量的检测，均可以利用对探测信号波形的识别来实现。该项目问题的解决，甚至对目前发展较快的通信行业的语音识别技术的发展，都会有一定的促进作用，即对语音控制终端设备的研究与实现都具有重要的应用价值。