共查询到20条相似文献,搜索用时 312 毫秒
1.
针对低信噪比下,基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高,因而处理复杂度高的问题,提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征,获得变换域的表征信号,将其作为卷积神经网络的输入,实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点,采用主成分分析方法对信号特征域进行降噪处理,提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能,通过理论分析及不同方法的实验对比,验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势,具有良好的工程实用性。 相似文献
2.
3.
4.
为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。 相似文献
5.
6.
7.
8.
将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。 相似文献
9.
10.
信号调制方式识别技术是盲信号处理的关键技术之一.在研究MPSK信号的常用分类识别方法的基础上,针对其识别特征易受到噪声以及载波频率估计误差影响的不足,提出一种改进的分类识别方法并对其分类识别性能进行了实验仿真,通过对仿真结果的分析可知该方法能够获得较高的正确识别率,具有一定的实用价值. 相似文献
11.
12.
传统制导雷达面临的新型有源干扰样式越来越复杂,雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效,通用性较差、泛化能力较弱,无法应对复杂多变的干扰对抗环境。因此,必须提出智能化更高、稳健性更强的普适干扰识别方法,提升制导武器抗干扰能力。为了提高干扰信号识别的准确率,研究了多模特征融合算法,并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中,通过仿真实验表明,能够有效对常见干扰进行有效识别,在较低干噪比下也有较好的识别准确率。 相似文献
13.
复合材料结构呈现出典型的量级非线性特征,非线性刚度的研究是结构设计和分析的基础。结构使用环境多数存在随机振动载荷,在更接近真实使用环境下对非线性参数的识别结果更加适用。文章提出了基于随机减量法和连续小波变换的非线性参数识别方法,设计了基于随机振动响应的非线性刚度识别程序;通过立方刚度单自由度非线性系统算例,验证了识别方法和程序;并通过试验研究了典型复合材料结构的量级非线性特征。结果表明,基于随机减量法和连续小波变换的非线性参数识别方法具有较好的识别精度,多自由度系统不同谐振阶次的非线性特性存在差别。研究结论对于随机振动环境下结构非线性参数识别和建模具有一定的参考价值。 相似文献
14.
未来反舰导弹可能采用的新技术 总被引:11,自引:0,他引:11
图1 俄罗斯的Kh31反舰导弹现代舰艇综合防御能力的提高,要求未来反舰导弹具有更强的突防能力。在未来海上局部战争中,绝大多数亚音速反舰导弹将难以满足作战需要,现役的几种超音速反舰导弹,由于自身体积大、红外特征明显、抗干扰性能较差等缺陷,其作战威力也将大打折扣。... 相似文献
15.
16.
17.
18.
针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。 相似文献
19.
20.
介绍了激光威胁信号的计算机处理方法 ,重点探讨多激光威胁源的分选与识别、以及激光威胁信号的参数测量与识别 ,分析了激光威胁源细微特征识别方法。 相似文献