灰关联分析和证据理论在雷达辐射源识别中的应用及改进

针对雷达辐射源识别中灰关联分析和修正的DS证据融合策略的运用进行了研究,探讨了通过灰关联分析来确定证据理论中的基本概率赋值函数的方法,并应用修正的DS证据融合策略对证据冲突情况下的融合算法进行了改进.仿真结果表明该算法是可行而有效的.     

一种基于云模型理论的雷达辐射源识别方法

针对雷达辐射源识别问题,建立了基于云模型和信息融合的识别系统.利用云模型对区间型参数和离散型参数建模,计算被测辐射源的隶属度并将其作为基本概率赋值,运用时域和空域信息融合算法完成辐射源识别,给出了辐射源识别算法步骤,并建立了相应的辐射源识别系统,仿真结果表明所提出的识别算法和所建系统是有效的,并且识别率较高.     

灰关联分析与雷达信号识别

雷达信号识别是雷达对抗侦察的主要目的之一。灰关联分析是分析灰色系统的基本方法。本文研究和探索灰关联分析法在雷达信号识别中的应用,并分析了其特点和具体算法。计算机模拟结果表明这种方法是可行的。     

基于相似度的雷达目标识别灰关联分析算法

针对参数重叠的雷达目标识别算法准确率较低、对复杂体制雷达目标识别效果较差的问题,提出了基于相似度的灰关联分析算法,实现对复杂体制雷达目标的融合识别.该算法首先提取各参数间的相似度矩阵,然后运用灰关联分析得出相应的灰关联系数,同时根据各参数匹配程度确定其权重值,与灰关联系数组合获得待识别信号与库信号的灰关联度,根据灰关联度完成目标识别.仿真实验结果表明,该算法能很好地降低参数重叠给识别带来的影响,提高识别正确率,快速实现复杂体制雷达目标的识别.     

灰关联分析与雷达信号识别

雷达信号识别是雷达对抗侦察的主要目的之一,灰关联分析是分析灰色系统的基本方法,本文研究和探索关联分析法在雷达信号识别中的应用,并分析了其特点和具体算法,计算机模拟结果表明这种方法是可行的。     

基于云模型和矢量神经网络的辐射源识别方法

 矢量神经网络在训练阶段既不能处理语义信息,也没有考虑训练样本本身的可靠性,因而造成辐射源不能正确识别的问题,为此提出了一种基于云模型和矢量神经网络的识别算法.该算法利用云模型来实现定性概念到定量区间值的转换,并利用改进后的矢量神经网络实现区间类型的矢量输入到区间类型型号输出的非线性映射.仿真实验表明,本文方法不仅能处理语义类型的输入矢量,而且能够处理数字类型的输入矢量,并且在测量误差环境中具有较高的识别率.     

一种基于云模型的辐射源识别方法

该文针对测量参数的不确定所造成的辐射源不能正确识别问题,提出了一种基于云模型的识别方法。该方法首先利用云模型对雷达模板库中区间类型的参数变量进行正态云建模从而得到测量参数的隶属度,然后利用云模型的定性定量转换特性来描述离散型参数变量的调制匹配程度,同时给出了一种确定辐射源识别权值的新方法,能够动态调整各特征参数的权值。仿真结果表明,这种基于云模型的识别方法是适用有效的。     

基于随机森林的雷达辐射源识别算法研究

为解决低信噪比条件下传统雷达辐射源识别准确性低、时效性差、稳健性不强的问题,提出了一种基于随机森林的雷达辐射源型号识别算法.算法以载频、脉宽、脉冲重复周期为识别特征向量,首先从先验样本集中随机抽取得到多个训练集,然后使用训练集构建多个决策树分类器,最后通过多个决策树分类器对新识别特征向量进行识别并投票得到最终识别结果....     

雷达辐射源识别专家系统

介绍雷达辐射源识别专家系统根据雷达信号参数的变化特征和参数范围识别雷达工作体制和用途的推理过程,介绍识别置信度的融合算法,给出了对本专家系统的测试结果。     

雷达辐射源识别决策层融合算法

针对雷达辐射源识别过程中数据信息量大的实际情况,应用多传感器最优组合理论,提出一种对辐射源侦察传感器的优化组合方法,以提高融合效率;此外,将D-S证据理论用于数据融合过程中,结合雷达辐射源识别问题的特点,并借鉴信息论中熵的概念,对基本概率赋值函数(BPAF)进行了建模;仿真结果表明该模型的有效性和融合算法的优良性能。     

一种基于雷达图的雷达辐射源识别算法

在分析和考察雷达辐射源(Radar Emitter)多特征模式识别算法的基础上提出了一种基于雷达图(Radar Chart)中向量夹角余弦值的分类识别算法,借助雷达图实现了雷达辐射源空间特征向量向平面向量的转换,实现对雷达辐射源型号的自动识别,给出识别置信度.通过计算机仿真得到大于85%的正确识别率,进一步验证了算法在雷达辐射源识别工程中的可用性和可行性.     

基于优化算法的雷达辐射源信号识别方法及性能

针对基于支持向量机(SVM)的雷达辐射源信号识别方法中SVM模型参数对识别性能影响较大的问题,提出基于优化算法的雷达辐射源信号识别方法,并选择遗传算法、蚁群算法和粒子群算法三种典型的优化算法应用于新的识别方法进行优化识别.通过不同条件下计算机仿真实验,验证了新方法的有效性,并分析了三种典型优化算法在新方法中的综合性能,为对雷达辐射源信号进行更好的识别提供一定的依据.     

一种雷达辐射源识别的规划融合算法

多传感器数据融合技术已经成为雷达辐射源识别中的一项关键技术,以传感器报告为基础,提出了一种新的雷达辐射源识别的规划融合算法,并通过举例进行了说明,最后使用Lingo软件对模型进行了求解,得出了最优结果。该算法可以有效地提高雷达辐射源识别的准确率和可靠性。     

基于相像系数的雷达辐射源信号特征选择

提出一种基于相像系数(RC)的特征选择新方法,给出了RC的定义和基于RC的类别可分离性判据,描述了 基于RC和量子遗传算法的雷达辐射源信号特征选择算法,设计了神经网络分类器,并将该方法与基于距离准则的顺序前 进法(SFSDC)和吕铁军的方法(GADC)作了特征选择和分类识别的对比实验。结果表明,本文方法无需事先指定最优特征 子集的维数,能可靠有效地选择出最佳特征子集,不仅大大降低了特征向量的维数,简化了分类器的设计,而且获得了比 原始特征集、SFSDC和GADC更高的正确识别率和识别效率。     

基于脉冲样本图的雷达辐射源识别方法

雷达辐射源识别是雷达对抗侦察信号处理的关键环节。由于现代雷达体制日益复杂,传统的辐射源识别方法面临着越来越严峻的问题。因此针对这种情况,提出了一种基于脉冲样本图雷达辐射源识别算法。这种算法无需对相互叠加的雷达辐射源信号进行完全分选,并且不需要进行传统识别方法中的特征提取过程,简化了处理环节。在脉冲流密度适中的情况下,该算法具有很好的判别准确率。仿真结果验证了该方法的可行性和实用性。     

基于特征参数匹配的雷达辐射源识别方法研究

对常用特征参数匹配方法的优缺点进行了分析,重点对灰关联分析法无法处理匹配数据为区间的情况进行了改进,提出了改进的灰关联分析法.该方法通过改进差序列求解过程,扩充了灰关联分析法对特征参数描述为区间情况的处理能力,引入加权平均求取关联度能反映各特征参数的重要性差别.仿真结果表明该方法较其他方法有更好的识别率,并对侦察参数缺省的情况有较强处理能力,说明改进方法是可行且有效的.     

基于云模型的DSm证据建模及雷达辐射源识别方法

为了提高雷达辐射源特征参数存在互相交叠和多个模式情况的雷达辐射源正确识别率,该文提出一种基于云模型的DSm(Dezert-Smarandache)证据建模及雷达辐射源识别方法。该方法首先将存在互相交叠和多个模式的先验雷达辐射源特征参数进行基于云模型的DSm建模,然后将含有噪声的测量信号特征参数进行基于云模型的DSm隶属度赋值,再通过隶属度与基本信度赋值的关系求得DSm模型的基本信度赋值,最后通过DSmT+PCR5的方法将多传感器测量信号的同特征的基本信度赋值进行融合,再将各特征的融合结果进行DSmT+PCR5融合得到最终的识别结果,如果仅为单传感器测量信号的特征参数,则仅将不同特征参数的基本信度赋值进行DSmT+PCR5得到融合识别结果。最后通过多种情况下的仿真实验,验证了该文方法的优越性。     

一种基于灰关联算法的雷达辐射源分选方法

针对基于参数特征分选方法存在的问题,提出一种基于雷达信号波形匹配的分选算法,通过提取波形的相似性特征,配对完成分选。采用灰关联分析的方法,根据波形间几何形状的相似程度来衡量波形间接近的程度。通过分析各灰关联算法的缺陷,研究利用波形的始点零化像中相邻采样点间对应的面积来计算信号间的灰关联度,作为波形特征的指标分选信号。仿真结果说明该方法的可行性、有效性,提高了信号分选的准确率,对先验知识的依赖性不强,具备一定的抗噪性能。     

粗糙集在雷达辐射源识别中的应用

雷达辐射源识别既是雷达侦察系统中信号处理的重要内容,同时又为判断敌方武器威胁、战场态势评估提供依据。为准确解决辐射源识别问题,研究了粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对决策表进行约简,减少了属性个数;并建立了一种基于粗糙集数据处理的雷达辐射源识别模型。最后用软件ROSE2对决策表进行属性值约简、提取规则,从而进一步识别新的雷达辐射源,结果验证了算法的合理性。