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。     

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。     

特定辐射源识别方法的研究

针对雷达信号环境越来越复杂和对辐射源识别的准确性要求越来越高,提出特定辐射源识别的概念。根据特定辐射源识别的概念选择脉冲信号的上升沿和下降沿作为特征参数,利用模式识别中的动态聚类的算法进行聚类分析,再结合脉冲的重频、射频、脉宽等参数进行统计分析,确定辐射源的个数和工作模式。     

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。     

现代雷达辐射源识别技术研究

对雷达辐射源进行准确识别是当前研究的重点课题之一,主要包括对雷达辐射源个体信号、雷达辐射源型号的识别.系统地介绍了当前用于识别雷达辐射源个体信号、雷达辐射源型号的几种常用方法,从理论上详细分析了它们的优缺点,并重点提出了脉内特征在现代雷达辐射源识别中的重要性.最后指出当前这一领域亟需解决的一些问题.     

基于缺失数据填补的辐射源识别方法

针对模板雷达特征参数残缺而造成的测量辐射源不能正确识别问题,提出了一种基于 缺失数据填补的辐射源识别算法。该算法利用矢量神经网络对缺失数据进行填补,并对填补 后的训练样本进行重新训练,从而得到网络结构参数。仿真实验表明本文方法不仅能处理缺 失数据,而且在噪声环境下也能识别区间类型和标量类型的输入矢量。
     

基于特征信息隶属度的目标关联分析技术

重点研究基于电子信息的目标关联,提出一种利用计算特征信息隶属度的方法对辐射源识别信息与 目标之间进行关联分析并以此进行目标识别的方法.该方法实现简单,获得的结果可以直接参与后续综合处理.     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。     

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。     

一种基于类内聚集度和类间离散度的特征集提取方法

雷达辐射源信号识别是雷达对抗信号处理中的关键技术,特征提取和选择是其中的重要一环。由于受噪声等多种因素影响,信号最重要的特征常常难以发现,特征提取一般采用经验式的方法。为消除特征提取的主观性和提高准确识别率,给出了类内聚集度和类间离散度的定义,并提出了一种基于类内聚集度和类间离散度的特征集评价准则。基于该准则,采用特征排序选择的搜索策略,可以从雷达辐射源信号原始特征集中挑选出品质优良的特征子集,从而实现对雷达辐射源信号的准确识别。     

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。     

基于自提取脉冲样本图的雷达信号快速提取法

针对电子侦察中截获的敌方雷达信号,估计敌方雷达参数、实现快速的雷达信号提取,对电子对抗决策有重要意义。基于脉冲样本图的描述方式,提出一种新算法,实现对截获的敌方雷达信号的快速识别。算法利用同种雷达信号脉冲之间的匹配相关性,通过脉冲的整体平移,在实现对脉冲样本图的自提取的同时,把用此脉冲样本图描述的雷达辐射源信号筛选出来。仿真分析表明该方法可以获得较高的成功率。     

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。     

雷达组网系统辐射源威胁度评估

根据空对地电子进攻作战特点,运用层次分析法将地面组网雷达对空中作战飞机的威胁度进行了评估与分析,给出了组网雷达威胁度评估的层次结构,确定了一套评估指标,建立了三级评判模型,并确定了各因素权重。最后,给出了组网雷达辐射源威胁度的量化评估方法,并通过实例证实了该方法的有效性。     

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。     

基于改进模糊综合法的雷达抗干扰效能评估

现代战场上的电磁环境日趋复杂，雷达的抗干扰能力已经成为衡量整个雷达系统乃至电子对抗装备性能优劣的重要指标之一。针对模糊综合评估法在雷达抗干扰效能评估中对各指标隶属度不敏感的问题，受“木桶效应”启发，基于对效能评估指标体系中各指标隶属度值的奖励与惩罚机制，构造了局部状态变权函数对常权向量进行变权。在此基础上，提出了一种改进的模糊综合评估方法。最后，将该评估方法应用于雷达抗干扰效能的评估实例中，结果表明，使用该模型可以获得更加客观合理的评估结果。