基于小样本集推理的雷达信号多维分选技术

目前,直方图法、PRI变换法以及平面变换法等一维、二维分选方法无法有效利用雷达信号脉冲描述字进行分选,而现有多参数聚类的多维分选方法,又存在最佳分类个数和误差范围的选择问题。针对这些问题,提出了基于小样本集推理的雷达信号多维分选技术。计算机仿真结果表明,该方法在提高分选正确率的同时可以有效降低计算复杂度。利用卫星接收到的雷达信号数据进一步验证了采用该技术的分类器具有良好的推广性。     

基于孤立点分析的辐射源奇异脉冲提取方法

讨论了密集信号环境下雷达辐射源奇异信号提取的问题,将数据挖掘技术的孤立点分析方法应用到雷达辐射源信号分选中来,提出了依据参数异常和到达时间异常提取奇异雷达辐射源信号的方法,并通过试验分析验证了方法的有效性。     

雷达信号的模糊聚类分选方法

随着现代电子战的激烈对抗,复杂体制雷达迅速增加并逐渐占居主导地位,侦察接收机接收到的雷达信号更加复杂和密集.为克服传统信号分选算法的局限性,采用基于模糊聚类分析的雷达脉冲信号分选方法,此方法能利用雷达信号的特征参数有效地分选出非常规和常规雷达信号.首先介绍模糊聚类的基本原理,并进行信号分选仿真实验.仿真结果证明分选结果较理想,验证了此方法的有效性和可行性.该方法易编程实现,适用于处理大量数据,是一种解决密集复杂脉冲信号分选问题的新途径.     

一种脉宽(τ)、重复周期(Tr)联合分选识别器的设计

提出一种对雷达脉宽、重复周期联合分选识别的方案,介绍其工作原理及有关参数的设计,同时给出程序流程和测试结果.     

三维控制图在锂离子电池性能监测中的应用

为了在锂离子电池加速退化试验中监测锂离子电池的性能状态,为分选提供依据,引用了质量管理中的控制图方法.在锂离子电池失效机理的分析中,获得了可以表明电池当前性能状态的两个关键参数:开路电压和放电容量,并讨论了它们的关系;采用放电容量和开路电压形式的二维平面点作为三维控制图的主体,通过相关试验数据使用SPSS数理统计软件确定控制上下限;最后使用MATLAB完成三维控制图,并叙述了几种控制图的分析方法.该结论适用于电池产品的验收和分选,也可为评估电池的寿命及可靠性提供依据.     

辐射源脉冲分选的二次聚类方法

多辐射源的脉冲信号分选问题实际上是一个聚类问题 ,探讨了在单站无源定位条件下 ,为了解决粗测角条件下进行信号分选的难题 ,采用二次聚类方法对脉冲进行分选的新途径。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

基于改进的支持向量聚类的雷达信号分选

基于支持向量聚类,提出一种新的针对未知雷达辐射源信号分选的算法.该方法在原有支持向量的基础上,在聚类标识阶段通过用支持向量点代替原来的全部样本点来进行聚类分配,减少了关联矩阵的规模,从而有效节省了聚类分配的时间,提高了运行速度.同时结合合并同类聚类中心算法有效缓解了核函数的参数q对聚类结果的影响,使得聚类精度有了一定的...     

复杂电磁环境下的雷达信号分选方法

由于电磁信号环境的日益密集、复杂,传统的雷达信号分选方法面临着严峻挑战。介绍了基于盲源分离的信号分选、聚类分选、基于脉内特征的信号分选等在复杂电磁环境下能够比较好地实现雷达信号正确分选的方法,分析了这几种方法的性能优劣;最后探讨了参数联合分选、算法联合分选的可行性和优势。