海量电磁数据中雷达信号的高效分选方法

针对海量电磁数据中雷达信号难以进行快速准确分选的问题,提出一种新的聚类分选方法,即改进k-means算法的Map Reduce并行化实现方法。通过引入初始聚类中心个数k1、最大聚类中心个数kmax和距离门限rt3个参数,克服了k-means算法需要事先确定k值和易受孤立点影响的局限;基于Hadoop平台实现了对改进k-means算法的Map Reduce并行化,克服了k-means算法串行实现时间复杂度高的局限。最后,实验表明改进k-means算法取得了更高的分选准确率,Map Reduce并行化后具有良好的加速比和扩展性,能够很好地对海量电磁数据中雷达信号进行高效分选。     

一种改进的电子情报分析模型

电子情报的分析处理,对提高电子对抗作战效能意义重大。综合运用聚类算法和分类算法构建了一种改进的电子情报分析模型。该模型首先通过基于粗糙集改进的k-means算法完成对记录数据库中雷达信号的聚类分选,选取聚类中心信号表征此类信号;再采用粗糙集提取有效的最优规则并用于聚类中心脉冲识别,从而分选出已知信号和未知信号;未知信号确定其特性后添加到已知威胁雷达数据库。通过仿真,验证了该模型的适用性和有效性。     

基于GIFSS-TOPSIS的辐射源威胁评估方法

针对辐射源威胁评估信息不确定性和属性权重难以确定的问题,将广义直觉模糊软集(Generalized Intuitionistic Fuzzy Soft Sets,GIFSS)与逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)理论相结合,提出一种基于GIFSS-TOPSIS的辐射源威胁评估方法。GIFSS-TOPSIS算法利用直觉模糊集求得直觉模糊集决策矩阵,充分描述了目标属性的确定性、不确定性和犹豫度所有信息,相比经典TOPSIS法,直觉模糊集决策矩阵对目标属性信息的描述更加全面、确切。此外,提出一种主客观权重结合的权重优化模型,规避传统TOPSIS法主观赋权的局限。仿真分析表明,该算法具有较好的可行性与有效性,相比经典TOPSIS法可信度增强,评估结果更加客观合理,可用于辐射源威胁评估。