基于小波包变换和特征选择的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需要，提出一种基于小波包变换和特征选择的雷达辐射源信号识别新方法。先采用小波包变换进行特征提取，再采用基于量子遗化算法的相像系数特征选择法来挑选出小波包特征中分辨能力强的特征。仿真实验结果显示，该方法用较少的特征能获得较高的正确识别率，具有一定的参考价值。     

一种雷达辐射源信号分类新方法

针对复杂体制雷达辐射源信号分类问题,提出一种基于时频分析、图像处理和支持向量机的辐射源信号分类新方法.该方法将辐射源信号分类问题转换为图像处理及识别问题,先对辐射源信号进行时频分析,获得时频分布图,并将其转化为灰度图像并作归一化处理,再用支持向量机对处理后的图像进行分类.5种典型辐射源信号分类实验表明,该方法在信噪比高于2.5 dB时,平均正确分类率达92%以上.     

融合不变性特征的简易支持向量机

应用样本数据具有不变性特征的特点，提出基于虚拟向量变换和局部相关性特征的简易SVM(支持向量机)方法，并以USPS手写体数字识别为例子，与切距核、虚拟SVM、人工识别等方法进行对比，发现该方法能获得较好的粗识别率且计算时间最少。结果表明，该方法能充分提取样本数据中的不变性特征，是研究模式分类问题的有效方法。     

倒立摆与自动控制技术研究

本文详细地阐述了倒立摆系统及其在自动控制领域中的应用,并提出了四种典型倒立摆诉控制模型,在此基础上,详细地分析了倒立摆的控制规律,并对其主要发展方向、研究方法和所能涉及的前沿问题进行了阐述。     

一种有效的IIR数字滤波器优化设计方法

针对IIR数字滤波器优化设计实质上是一个多参数多目标优化问题,本文提出一种基于量子遗传算法的IIR数字滤波器满意优化设计方法,通过设计满意度函数而构造出满意优化计算模型,将滤波器性能指标的满意设计与参数优化统一考虑,并用本文提出的收敛速度快和全局寻优能力强的新量子遗传算法(NQGA)搜索满意解。通过低通和带通IIR数字滤波器的设计结果表明,该方法是有效、实用的。     

基于决策树和支持向量机的电能质量扰动识别

提出一种新型电能质量扰动识别方法,该方法采用快速傅里叶变换(fast Fourier transform,FFT)结合动态测度法提取3种特征以及S变换提取4种特征;采用决策树和支持向量机(support vector machine,SVM)设计组合分类器。针对FFT频谱中谐波频率明显的扰动类型,采用极值点包络的动态测度法提取频谱中的主要频率点特征,结合S变换提取的特征首先将扰动类型进行初步归类,然后采用S变换的2个特征就能进行后续分类;决策树分类过程中采用SVM来区分电压暂降和中断,克服了特征阈值随信噪比(signal-to-noise ratio,SNR)变化难以确定的问题。仿真实验表明,该方法能够准确识别包含2种复合扰动在内的11种电能质量扰动信号,SNR低至20 dB时准确率仍达到96.50%;且与已有文献的分类结果对比表明,该方法准确率高,稳定性强,在低SNR条件下分类结果优势明显。     

基于峰度的盲源分离算法研究与应用

在复杂电磁环境中,检测和分离频谱混叠信号的分析是极为重要且困难的研究课题.提出了一种基于独立分量分析(ICA)模型的改进盲源分离算法,探讨了信号的相关性和参数变化对算法分离效果的影响.利用峰度绝对值函数作为目标函数,采用改进的牛顿法寻优目标函数,实现了信号的盲源分离.理论分析和实验结果表明,该方法应用于雷达信号盲源分离时可以荻得比较好的分离效果,新算法能有效提高收敛速度,避免了传统算法中收敛的不均匀性.     

雷达辐射源信号脉内特征分析

脉内特征提取是新型雷达辐射源信号识别的关键问题。本文提出一种新的雷达辐射源信号脉内特征提取和识别方法．将雷达辐射源脉冲信号的分形维数作为识别脉内调制方式的分类特征,这些特征包含了雷达辐射源信号幅度、频率和相位等的变化和分布信息,反映了雷达辐射源信号脉内调制规律,理论分析和仿真实验结果都证明了这些特征具有对噪声不敏感的良好特性．通过10种典型雷达辐射源信号的特征提取和分类识别的实验结果表明,本文所提取的脉内特征类间距离大、类内距离小、正确识别率高．证实了本文方法的有效性。     

基于量子遗传算法的特征选择算法

特征选择是模式识别和机器学习等领域中重要而困难的研究课题.提出一种最优特征子集评价准则和实现特征选择的一种新量子遗传算法(NQGA).NQGA采用量子门旋转角更新新方法和增强算法寻优能力及防止早熟收敛的移民和灾变策略.定性分析了NQGA的高效性.典型复杂函数测试和雷达辐射源信号特征选择的应用表明,NQGA寻优能力强、收敛速度快和能有效防止早熟现象.采用提出的准则函数和搜索策略实现特征选择,大大降低了特征维数,获得了更高的正确识别率.     

基于IGA的多层神经网络BP算法及在系统辨识中的应用

本文针对用GA训练NN权值时，花费的代价随精度的提高而剧烈增加的缺陷，提出了一种利用IGA较强的全局搜索能力和IBPA较强的局部搜索能力的结合算法，先利用IGA优化多层前馈神经网络的权值，然后再用IBPA提高搜索精度，有效地避免了IBPA易陷入局部极小点和IGA过早收敛的缺点，实验结果表明，此算法是有效的。