基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的，是整个雷达对抗信号处理中的关键性环节，为解决雷达辐射源信号模式识别困难的问题，在深入研究粗糙集理论的基础上，将其同辐射源信号识别问题相结合，给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念，给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素，能有效处理辐射源识别中的模糊性和不确定性，具有广阔的应用前景。     

一种新的雷达辐射源识别算法

针对雷达信号环境,运用综合分析的方法,提出了一种新的基于模糊综合评判的雷达辐射源识别算法。该算法通过构造模糊评判矩阵并进行合成运算来计算表示辐射源相关程度的模糊集,然后按照最大隶属度原则进行判决,同时给出了相应的多义性处理方法。最后通过仿真将它与经典的统计模式识别方法进行了比较。仿真结果表明,所提出的识别方法性能明显优于统计模式识别方法,用于雷达辐射源识别是有效的。     

一种区间属性值离散化的新方法

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域.传统的粗糙集理论只能对数据库中的离散属性进行处理,因此,连续属性值的离散化问题不容忽视.已有的离散化方法主要是针对固定点上的连续属性值的,实际应用中大量存在着连续区间属性值的情况.文中针对这一问题,提出了一种连续区间属性值离散化的新方法,并利用辐射源信号进行了仿真试验.结果表明,该方法能有效离散区间属性,从而拓展了粗糙集理论的应用范围.     

基于分形理论的辐射源识别算法

针对复杂的战场电磁环境,提出了一种新的辐射源信号识别方法,即基于分形特征的辐射源目标识别。介绍了分形的相关理论,给出了分形维数中盒维数与信息维数的计算步骤,而后采用距离函数进行判决识别。仿真结果表明提出的基于分形特征的辐射源信号识别算法能得到较高的识别率。     

基于RRBF的空中目标识别

为了更好地解决空中目标识别的问题,简单介绍了粗糙集相关理论.在提出一种属性约简方法的基础上,利用粗糙集和径向基网络的优势,构建了一种耦合模型.通过对空中目标实例的仿真实验,说明了该方法能够客观有效地对空中目标进行识别.     

基于多参数特征的辐射源识别技术

针对复杂战场电磁环境下辐射源识别困难的问题,提出一种基于多参数特征的辐射源识别方法。介绍了辐射源辐射信号特征量的提取技术,给出了识别的原理和步骤。最后在小样本和大样本辐射源数据库的基础上,利用该识别技术进行了仿真,结果证明了基于多参数特征的辐射源识别方法的有效性和准确性,相比于传统的辐射源识别技术,该方法识别率更高,速度更快。     

基于AHP与D-S理论的辐射源识别技术

深入研究了基于层次分析与证据理论的辐射源识别技术.首先针对属性测度识别方法中权重获取困难的问题,提出利用层次分析法获取多参数权重的思想,给出权重具体计算步骤,同时简要回顾属性测度识别方法的原理.在此基础上,应用D.S证据理论进行多传感器信息融合,给出识别算法和模型.仿真对比实验表明,提出的辐射源识别技术是实用有效的,其下确识别率较高.     

一种新的辐射源优化识别方法

针对证据理论无法获得传感器报告、无法处理具有冲突的传感器报告、计算复杂度高、干扰环境下融合结果不可靠等缺点,提出了一种新的辐射源优化识别方法。该方法首先利用灰色关联算法来获得传感器的报告,并且提出利用信息熵解决灰色关联分析中特征权重的选择问题。然后根据传感器证据报告的特点,引入传感器可信度因子,通过构造和分解代价函数将辐射源识别问题转化为求解一个凸二次优化问题。最后,给出了一种利用对数罚函数方法求解该问题的改进方法和步骤。理论分析和仿真结果表明,与证据理论相比,新方法具有更低的计算复杂度、更好的识别能力、更广的适用性和更强的鲁棒性。
     

一种基于模糊隶属度的雷达辐射源识别新方法

在雷达辐射源识别中,一般采用隶属度来衡量知识参数和侦察参数的相似性,并以此进行识别,其难点在于隶属度函数的确定。针对这一难点,提出了一种新的脉间特征参数和脉内特征参数隶属度的计算方法,并提出了一种综合特征权值的计算方法,对雷达辐射源进行加权识别。仿真结果表明,这种方法的识别效果优于传统的识别方法。     

基于联合参数建模的雷达辐射源识别方法

针对现代雷达采用复杂体制造成的不能正确识别辐射源问题,提出一种基于联合参数建模的雷达辐射源识别方法。该算法首先对辐射源进行脉冲等级和统计参数等级的联合建模,然后将联合参数模型用于识别过程中,基于特征参数的不同描述模型构建不同的识别算法,其中特征参数的联合建模思想是本方法的核心。仿真实验表明,本文方法能够实现对复杂体制雷达辐射源的建模和识别。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

对运动辐射源的单站无源伪线性定位跟踪算法

本文针对只测向单站无源定位中推广卡尔曼滤波（EKF）算法具有不稳定性等缺点，在只测向（BO）定位算法的基础上增加方位角速率观测信息，提出了一种对运动辐射源的单站伪线性卡尔曼滤波定位方法并进行了计算机仿真，它相对于只测向方法提高了定位误差的收敛速度。它可用于无源侦察监视或导弹制导等要求快速收敛的场合。     

基于卷积神经网络的雷达辐射源稳健识别方法

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。