不完备信息系统的辐射源识别方法研究

该文将粗糙集理论引入不完备信息系统下的辐射源识别。基于粗糙集理论,给出了一种新的不完备信息系统下辐射源识别模型。该方法以相似关系、相容关系作为基础,通过知识约简和决策规则的提取,较好地解决了不完备信息系统的辐射源识别问题。以雷达辐射源用途识别为例给出实例分析,说明了该模型处理不完备信息识别问题的有效性。     

基于属性相似度云模型的网络异常检测

针对网络异常检测虚警率偏高的问题,提出了一种基于属性相似度云模型的网络异常检测新方法。基于各属性对分类的不同贡献,结合数据对象空间和属性空间的相似度概念,给出了属性相似度和属性权重的计算方法,该方法可降低网络数据空间的维数,提高目标识别的准确率。试验表明,该方法具有先验知识需求少和参数容易确定的优点,能比较准确地检测出对网络数据的异常行为。     

雷达辐射源识别专家系统的数据库设计

文章在分析了雷达辐射源信号特点的基础上，提出了一种雷达辐射源识别专家系统的数据库设计方法。该方法运用了规则入库、非规范化设计和面向对象的数据库设计思想，满足了专家系统对数据库的特殊要求。     

雷达辐射源自动识别的设计与实现

针对基于五大常规参数的传统雷达辐射源识别方法的局限性,提出关于方位角稀释后的脉冲串波形数据的雷达辐射源自动识别方法.该方法通过对脉冲串波形数据的波形调理与脉冲分离、脉内特征参数提取、信号调制类型识别、脉冲归类和所属雷达辐射源识别等环节的设计研究,完成雷达辐射源自动识别系统架构的工程实现.采用模拟数据测试结果表明,基于该方法设计的系统识别速度快、准确率高,可为雷达对抗侦察设备的改进提供重要参考.     

基于条件证据理论的雷达辐射源识别方法

基于观测证据与先验信息和谐的思想。利用条件证据理论。提出了一种融合先验信息的雷达辐射源识别方法，首先将雷达辐射源观测数据通过灰关联分析表示为D-S数据的随机集形式。然后计算观测证据与先验知识之间的和谐度。最后利用条件证据理论将需要融合的证据进行组合，该方法可在复杂战场环境下充分利用不同来源的信息，提高雷达识别的可靠性。     

基于逆向云模型的雷达目标识别

提出了一种基于逆向云模型的雷达目标识别方法。首先,基于模-1距离准则建立了云滴确定度,对高分辨距离像(HRRP)距离单元进行正态逆向云模型建模;然后,定义逆云隶属度表征待测样本属于某个训练类别的概率。对目标模板库中5种飞机高分辨距离像数据的仿真结果表明,该方法具有识别率高、对训练样本量的要求较为宽松和方位角划分不敏感等优点,是一种有效的雷达目标识别方法。     

基于动态时间规整算法的一维距离像雷达目标识别方法

针对高分辨率雷达一维距离像(HRRP)的目标识别问题,提出了一种基于动态时间规整(DTW)算法的雷达目标识别方法.该方法利用HRRP具有反映目标结构分布和几何形状的特性,通过角域划分建立各类目标姿态模板数据库,使用DTW算法估计HRRP与目标模板库中不同HRRP的相似度,选择最大相似度对应的目标模板作为目标识别的结果.仿真实验结果表明该方法的有效性和鲁棒性.     

基于云模型的地铁换乘枢纽拥挤度辨识方法

针对地铁换乘枢纽拥挤状态划分中的模糊性和随机性,提出了一种基于云模型的地铁换乘枢纽行人拥挤度辨识方法。首先分析行人拥挤度的内涵和度量标准,根据它们在不同服务水平下边界值计算云的数字特征。其次利用云的合成理论建立不同服务水平对应的模板云模型,同时将采集到的行人交通特性基本参数输入到枢纽内各基础设施的云发生器中,建立待识别云模型。然后根据云相似度计算模板云和待识别云的相似度并引入拥挤度定义,给出拥挤度辨识的具体实现过程。最后以西安市北大街地铁换乘枢纽为例对其进行了试验验证。结果表明:通过实际采集的数据建立待识别云模型,并与模板云作相似度分析,得出通道该时刻的行人拥挤度为100.095,处于拥挤状态;楼梯该时刻的行人拥挤度为100.273,处于拥挤状态。该方法不仅能够较准确地定量辨别枢纽内行人拥挤度状态,而且能够反映行人拥挤的程度和拥挤的变化过程,有较强的实用性。     

一种雷达辐射源信号识别的工程实现方法

为了解决脉内特征在雷达辐射源信号识别中的工程应用问题,通过实际需求分析,从总体框架、关键技术、应用设计等方面,提出了一种基于脉内多特征的雷达辐射源信号识别的工程实现方法.最后,通过系统软硬件平台的研制及其实时粗略识别和事后精细识别功能的应用分析,验证了该方法的可行性和有效性,为雷达辐射源信号识别理论和技术的应用转化提供了有益参考.     

基于多学习单元卷积神经网络的雷达辐射源信号识别

现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低,识别准确率不佳. 为此,提出了一种基于多学习单元卷积神经网络的识别方法. 首先对辐射源信号的模糊函数进行高斯平滑,以校正噪声带来的毛刺与畸变;然后提取其正交切片作为进一步的特征提取对象;最后构建多学习单元卷积神经网络,学习和提取正交切片深层、泛在的特征,并通过softmax分类器进行分类识别. 仿真实验结果表明,所提方法在信噪比为-2 dB时对6类典型雷达信号的整体平均识别率均保持在99.86%以上,即便是在-6 dB环境中,雷达信号的识别率也可达到88.50%,在极低信噪比条件下具有良好的性能和可行性.     

双谱二次特征在雷达信号识别中的应用

针对利用常规参数进行复杂体制雷达辐射源信号识别存在的问题,提出将信号双谱作为雷达辐射源特征参数,并将Bhattacharyya分离度准则作为双谱的二次特征提取的算法.利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,提高雷达辐射源特征参数的有效性;针对信号双谱中包含许多对识别辐射源不起显著作用的双谱和与辐射源识别无关的冗余双谱,将Bhattacharyya距离作为双谱二次特征提取的依据,将具有最强类可分离度的双谱提取出来作为信号的特征参数.仿真结果表明,提取的双谱二次特征具备一定的抗噪能力,在较宽信噪比范围内能够较好地体现辐射源之间的个体差异,平均识别正确率可达到95%.     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

基于数据场与云模型的多模雷达信号分选算法

针对传统分选算法处理多模雷达信号效果较差的问题,提出一种基于数据场的层次聚类信号分选算法,以克服多模雷达信号分选时存在的"增批"问题.将数据场理论应用于多模雷达辐射源信号的分选,利用数据场势函数划分辐射源信号数据的层次,通过等势图的绘制完成数据的自组织层次聚类.提出一种基于云模型的分选结果有效性评估算法,可在脱离雷达辐射源库的情况下验证信号分选结果的有效性.仿真实验验证了提出算法的有效性.     

基于时变AR模型的雷达ESM信号多径抑制

针对雷达ESM信号存在多径干扰,从而影响信号特征提取以及辐射源识别的问题,提出了一种多径抑制新方法．首先采用非线性能量算子方法对多径时延进行粗估计,再利用基于时间函数扩展的时变AR模型方法对信号进行预测．然后根据多径时延粗估计和预测序列,采用最小二乘方法精确估计时延和多径幅度因子．在此基础上,提出一种逐级抑制的多径信号滤波方案．对仿真信号和实测雷达辐射源信号进行实验,结果证明该方法可有效实现信号多径估计与抑制．     

Specific radar emitter identification using multiset canonical correlation analysis

In order to improve the performance of a specific radar emitter recognition system, a novel framework based on Multiset Canonical Correlation Analysis (MCCA) is proposed. It extracts the Doppler cuts of the ambiguity function (AF) of each radar signal as the initial feature set and employs MCCA to perform feature fusion and redundancy reduction in such a set. By using label information, the further developed Multiset Discriminant Canonical Correlation Analysis (MDCCA) achieves competitive performance while retaining the low order of canonical vectors. Thanks to the direct fusion strategy, the proposed scheme not only avoids the uncertainty in determining the optimal cut of AF in previous methods, but also extends the conventional CCA, which can only deal with two sets of feature vectors, to the multiset version. Experiments on real radar emitter data demonstrate the effectiveness of the proposed methods.     

基于应变能均化指标和云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定问题,提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标,并考虑到模态应变能耗散率指标和等效指标之间的互补性质,通过均化方法建立了模态应变能均化指标;给出了云模型的基本理论,分析了云模型的数字特征、云处理算法以及确定度计算方法;结合随机测量噪声等引起的不确定性问题,建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明,应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标,当考虑随机测量噪声时,云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。