基于卷积神经网络的雷达辐射源识别

随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求。针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训练一维卷积神经网络来学习雷达辐射源信号的有效特征并进行识别。最后在不同信噪比条件下进行了识别仿真实验,得到了较好的识别正确率,证明了该方法的有效性和可行性。     

层次-熵值组合赋权法在雷达辐射源识别中的应用

对雷达辐射源识别中的权系数确定问题进行了研究,提出了层次-熵值组合赋权法.该方法首先对熵值法中的差异性系数进行了改进,然后利用层次分析法权系数来修正改进了差异性系数的熵值法的权系数,从而实现主客观方法共同赋值.实验结果表明,本文方法所得权系数在进行雷达辐射源识别时有较好的识别率,说明了方法的正确性和有效性.     

基于优化算法的雷达辐射源识别方法性能评估

针对基于SVM的雷达辐射源识别方法中SVM模型参数对识别性能影响较大的问题,提出一种新的雷达辐射源识别方法。该方法将智能优化算法应用于SVM,对SVM参数进行选择以提高识别准确率;为分析所提出新方法的性能,提出有效解的标准差、解的质量和精度时间比作为评估指标对所提方法进行性能评估。通过计算机仿真,验证了新方法的有效性,并分析了3种典型优化算法在新方法中的综合性能。     

基于区间灰关联的雷达辐射源识别新方法

在现代密集信号环境中,接收机测得的和辐射源数据库中的雷达特征参数具有不确定性,一般用区间值表示.针对区间类型的特征参数的雷达辐射源识别,提出了一种新的基于区间灰关联度的雷达辐射源融合识别方法.该方法首先运用区间灰关联度得到基本概率赋值,然后运用证据组合与决策实现目标识别.仿真结果表明,这种识别方法是有效的.     

采用重构吸引子的辐射源个体识别技术

为解决现有基于相空间个体识别方法面临重构特征矢量维数高、计算效率低、鲁棒性差等问题,从非线性动力学角度出发,构建了基于重构吸引子的辐射源个体识别框架,并在此框架内提出了基于等距映射的辐射源个体识别技术。该技术采用等距映射从相空间中重构辐射源吸引子,可以更低的维度描述辐射源系统动力学特性,反映辐射源个体的“指纹”特征。实验表明该方法识别准确率更高、效率更高、听鲁棒性更强。     

一种基于模板脉冲序列的雷达辐射源识别方法

现有的雷达辐射源识别方法无法有效地在密集的信号环境中对复杂体制雷达进行快速准确的识别.因此,研究了一种基于模板脉冲序列的雷达辐射源识别方法,给出了其并行处理的结构和具体实现算法.在不同密度的信号环境中该方法能够有效地识别出雷达辐射源并且具有较小的运算复杂度.利用计算机对该方法进行了仿真实现,结果表明在密集信号环境中该方法仍然能够快速有效地识别出雷达辐射源.     

面向结构洞的指挥控制网络关键节点识别方法

针对目前指挥控制网络关键节点识别方法利用局部信息识别精度低、利用全局信息识别复杂度高的问题,提出了一种面向结构洞的指挥控制网络关键节点识别方法,该方法综合考虑了指挥控制网络结构特征和全局拓扑信息,引入了层级流介数的概念用以计算网络的约束系数。实验分析表明,该方法提高了关键节点识别精度,降低了算法复杂度,更加适用于指挥控制网络关键节点识别的需要。     

基于深度卷积网络的雷达辐射源信号识别

针对当前复杂电磁环境下雷达辐射源信号(radar emitter signal,RES)识别效率不够的问题,提出一种基于深度卷积网络和时频二维特征结构的雷达辐射源信号识别方法。结合雷达辐射源信号时频二维特征结构特性,构造基于深度卷积网络的RES识别分类模型,通过设计样本集训练分类模型,利用类别信息实现网络参数精调。仿真结果验证了模型的可行性和有效性,实现了低信噪比下RES时频二维特征的结构学习和准确识别。     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于属性测度理论的辐射源识别

针对复杂电磁环境下辐射源识别困难的问题,提出了基于属性测度理论的辐射源识别方法。介绍了属性测度理论的相关知识,详细分析了属性识别模型,列出了基于属性测度的辐射源识别算法并给出了识别模型。最后通过仿真实验验证了此算法能有效处理辐射源信号参数的不确定性和模糊性,辐射源识别率优于经典的模板匹配法识别率。     

基于直觉模糊集的ELECTRE方法

结合直觉模糊集的信息表达优势和ELECTRE方法的思想,提出了一种直觉模糊多属性决策的新方法。利用直觉模糊熵对直觉模糊信息价值的刻画,构建了熵权与专家权重的组合权重。阐述了直觉模糊ELECTRE方法的决策原理和步骤,并经过实例应用,验证了该方法的可行性与有效性。     

模糊规则集在发动机故障诊断中的应用

基于模糊规则集度量,提出了一种故障诊断系统。提取模糊规则分两步实现：（1）由训练样本自适应形成超球子空间,可望解决高维空间的识别问题：（2）计算每个子空间上模糊规则的信任度。对模糊规则的概念进行了拓展,以便解决模糊规则之间的矛盾。仿真研究表明：模糊规则集度量可以用于液体火箭发动机的故障诊断。     

基于模糊加权法的雷达辐射源识别

为有效解决雷达信号的不确定性问题,将模糊加权理论和不确定性推理应用于雷达辐射源识别,仿真试验表明方法是有效的。该方法不仅适应雷达特征参数连续变化的情况,而且计算简单、性能较好。     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理；设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力；利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

雷达辐射源识别技术面临的主要挑战及对策

信息化战场上,复杂电磁环境严重制约雷达辐射源识别过程。通过梳理雷达辐射源识别技术发展阶段及各阶段主要识别方法,深入分析了现阶段雷达辐射源识别技术面临的主要挑战,并提出应对策略,为创新雷达辐射源识别方法提供借鉴。研究表明,针对未来战场雷达识别面临的主要挑战,平时做好预判,熟谋对策,将极大地有利于战时进行雷达辐射源识别,进而促进整个电子对抗行动作战效能的发挥。     

刀具状态监测的模糊集方法

刀具状态监测技术一直是制约加工系统自动化和智能化水平提高的主要因素，本文采用模糊线性方程描述刀具状态与监测指标之间的关系，根据学习样本的可能分布和概率分布确定方程的参数，选用不同传感器信号特征组合进行对比实验，结果表明该方法可获得较高的识别率。     

基于模糊推理的雷达辐射源识别方法

辐射源数据往往不完整或不确定,因此应用模糊推理实现了辐射源和目标平台的识别.将辐射源特征转换为由模糊集及隶属度函数表征的参数,再通过与数据库中的辐射源数据进行模糊匹配来判断辐射源的类型,实现了雷达辐射源的被动识别方法.进一步通过识别出目标平台上所装备的雷达辐射源的参数值,利用模糊推理,推断出目标平台的类型.试验结果表明:模糊推理的算法是切实可行的,在对模拟数据加入的噪声不超过一定限制的情况下,对于数据库已有的目标能够达到较高的目标识别率.     

一种基于模型的舰船目标特征提取方法

针对中分辨雷达,提出了一种基于模型的舰船目标特征提取方法。通过对特征向量的组合和加权提高了舰船目标的特征提取质量,在人工神经网络识别器中取得了较好的识别效果。     

多值直觉模糊熵及其应用

给出了多值直觉模糊熵的计算方法,并揭示了多值直觉模糊熵的若干重要性质,通过求解一个雷达目标识别的实例更清晰地表述多值直觉模糊集的优势或特点。实践表明,多值直觉模糊集是对直觉模糊集一种有效扩展,这种扩展有助于对实际问题进行描述和求解。     

只测角两站被动定位系统中虚假定位点的识别方法研究

多站被动定位中,虚假定位点的识别问题是电子侦察中尚待解决的一个重要问题。本文研究包含一个运动站的只测角两站被动定位系统,提出先用扩展Kalman滤波对多个辐射源精确定位,然后通过空间相关处理识别虚假定位点的方法,大量的计算机仿真结果表明,上述识别方法在两目标张角大于测角误差的均方根值时,具有良好的识别效果。系统识别出的真实定位点,其定位精度可达单目标环境下的同等定位精度。