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.     

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。     

D-S证据理论在雷达辐射源识别中的应用

为了解决辐射源识别问题，采用基于推理的数据融合方法，分析了Dempster-Shafer证据理论用于多传感器数据融合的基本概念和理论，并将它应用于雷达辐射源识别的数据融合中，试验结果证明了该方法的正确性和有效性。     

雷达辐射源识别算法综述

结合雷达辐射源识别的军事需求和近几年取得的研究进展,以雷达辐射源识别中最核心的3个方面为研究对象,综述相关算法的研究现状与发展.针对低信噪比环境、分类器能力不足和单传感器识别的缺陷,从辐射源特征提取、分类识别和多源融合识别等方面详述了目前算法的研究思路和性能,引入当前热点模式识别算法并分析其可借鉴性.最后,指出了在辐射源识别研究领域中仍存在的问题,并展望了下一步的研究方向.     

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。     

基于云模型和改进灰关联算法雷达辐射源识别

针对由辐射源特征参数的不确定性所带来的区间型特征参数辐射源识别问题,提出了一种基于云模型的改进灰关联算法,该算法利用云模型和动态加权算法,有效地解决了特征参数区间交叠的雷达辐射源识别问题。仿真实验表明,该方法是可行的。     

变权灰关联分布式传感器信息融合的辐射源识别

针对复杂电磁环境中辐射源正确识别率低的问题,提出采用变权重灰关联分布式传感器信息融合的辐射源识别新方法。利用灰关联分析法进行辐射源识别能克服辐射源参数间的不确定性,其中特征参数的权重获取是灰关联法的难点,给出三种权值确定方法。然后根据分布式传感器信息融合和基于基本概率赋值的准则,进行时域和空域的证据融合,得到辐射源识别结果。仿真结果表明,三种定权法均具有高的辐射源识别率、好的环境适应性和好的识别鲁棒性。     

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.     

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。     

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。     

基于云计算环境下的分布存储技术

云计算是一种新型的计算模式,它在商业计算领域与科学计算领域均占据着重要的成分,由于其可以将大量的数据存储于数据中心,并可以提供稳定、安全、可靠的数据存储服务特点,并可以在任意时刻供上层的应用,因此云计算得到了各界的重视。但由于云计算的核心部分由许多节点组成,这就增加了云计算的成本费用,对其的发展起到一定程度的限制作用。本文主要针对如何提高云计算的容错性以及可扩展性,最大程度的降低其成本费用等,对云计算环境下的分布存储技术做些简要的分析。     

浅谈云计算及其应用

云计算是当前信息领域的又一个热点,但是,大部分人对它还不是非常了解,甚至还存在着一些误解。本文将阐述云计算的概念,并将其和容易与之相混淆的网格计算作比较,分析它们各自的相关特点,以使更多的人对云计算有所了解。同时阐述了云计算的优势、现状及其应用,并对云计算的发展及面临的挑战进行了分析。云计算最终将改变人们获取信息、分享内容和互相沟通的方式。     

分布式计算技术概述

分布式计算已经广泛而又深入的参透到各行各业的科技应用中.本文对几种主要的分布式计算技术,如网格、云计算、普适计算等,做了分析和比较,同时对分布式计算目前所面临的问题做了总结.最后对分布式计算技术未来的发展方向做了展望与预测.     

云计算中的资源管理技术研究

云计算采用虚拟化技术将服务器整体虚拟化为一个资源池,由于虚拟资源的种类多、规模大,因此如何有效地管理云计算平台中的虚拟资源,已成了当前的攻关难题.文中首先介绍了云计算的定义,然后详细介绍了虚拟资源管理技术的概念以及研究现状,指出了目前存在的问题,最后就未来研究热点进行了探讨.     

面向云计算的键值型分布式存储系统研究

 对于数据密集型的云计算应用,基于磁盘的存储系统很难同时满足它们对性能与可用性的需求.本文提出了一种以内存为主设备、以磁盘为辅助设备的键值型分布式存储系统M-Cloud,能提供大数据读写、备份及恢复等存储服务功能.M-Cloud通过将数据全部装入服务器集群内存中的方式提高系统整体性能,并设计了分区线性哈希算法以实现负载均衡和高扩展性,设计了相应的数据备份与故障快速恢复策略以保证系统可靠性.仿真实验结果表明,M-Cloud具有较高的性能与可用性,对系统进一步改进和优化后具有应用于实际生产环境中的潜力,可为用户提供高质量的存储服务.     

基于云计算的大数据挖掘平台

开发了一个基于云计算的并行分布式大数据挖掘平台——PDMiner.PDMiner实现了各种并行数据挖掘算法,如数据预处理、关联规则分析以及分类、聚类等算法.实验结果表明,并行分布式数据挖掘平台PDMiner中实现的并行算法,能够处理大规模数据集,达到太字节级;具有很好的加速比性能;实现的并行算法可以在商用机器构建的并行平台上稳定运行,整合了已有的计算资源,提高了计算资源的利用效率;可以有效地应用到实际海量数据挖掘中.在PDMiner中还开发了工作流子系统,提供友好统一的接口界面方便用户定义数据挖掘任务.     

基于云计算及图像内容分析的医学图像融合方法

提出了一种使用云计算实现基于图像内容分析的医学图像融合方法.为了设计云计算推理规则,对两幅输入图像--CT和MRI图像进行灰度直方图分析.并基于CT与MRI图像的灰度直方图与融合目的设计推理规则.将CT与MRI图像作为推理系统的两个输入,进而得到融合图像.实验结果表明,使用云推理方法得到的融合图像较之模糊推理得到的融合...     

云计算分布式缓存技术及其在物联网中的应用

物联网是信息技术发展到一定阶段的产物,而云计算平台是物联网应用的基础。文章从当前云计算应用所面临的问题和缺陷出发,介绍了云计算分布式缓存的部署方式、功能架构及关键技术,并说明了分布式缓存高性能、高吞吐、高可靠性、高扩展性等优势和特性。文章解决了物联网应用普遍面临的数据可靠性、大容量内存共享、多模块数据一致保障、线性扩容等难题,为物联网平台云化架构的底层支撑奠定了基础。     

云计算安全方案与部署研究

云安全是云计算产业发展面临的关键问题,业界尚未形成完整成熟的体系及解决方案.本文给出了典型的云计算部署方案,分析了云计算安全要素,并结合典型云计算架构,提出了全面的私有云安全部署方案.