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。     

一种辐射源快速识别新方法

针对现有辐射源识别方法不能识别参数交叠的雷达信号以及BP神经网络迭代速度慢、识别效率低的缺点,设计出一种采用改进概率神经网络的实时快速识别方法。该方法构造的特征兼具单个脉冲参数统计特性和雷达参数变化整体特性两个层面的信息,进而可以对参数交叠的雷达信号进行有效识别。同时,该方法还对概率神经网络进行了改进,使之具备识别出未知雷达信号的能力。仿真实验表明,此方法在显著提高了识别率的同时,还具有良好的抗噪性和鲁棒性。     

神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

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。     

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。     

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。     

基于GA的雷达辐射源识别自学习算法研究

文章针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于GA（GeneticAlgorithm）的自学习算法,实现雷达辐射源智能识别。仿真结果表明：在使用相同的特征参数“前件”条件下,通过这种自学习方法得到的正确识别率高于其他识别方法。     

基于脉冲样本图和Vague集的雷达辐射源识别

针对现有雷达信号特征描述方式很难有效地对复杂雷达辐射源进行描述和识别,提出一种基于脉冲样本图和Vague集的雷达辐射源识别新方法。该方法把雷达辐射源识别问题转换为Vague集的多属性决策问题,不仅能很好地解决雷达信号识别中的模糊问题,而且无需传统方法的特征提取过程,简化了处理环节。另外,基于脉冲样本图的雷达辐射源识别是利用有序的多个脉冲同时匹配识别,因此更可靠。计算机仿真表明该方法是有效可行的,为复杂雷达辐射源识别提供了一种新思路。     

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。     

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。