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。     

基于对角积分双谱的雷达辐射源信号识别

双谱以其独特的抗噪优势,广泛应用于信号分析。双谱的数据量较为庞大,目前减少双谱数据量的方法中积分双谱的效果最好,然而各种积分双谱均存在一定的缺陷。文章提出了对角积分双谱,它沿平行于双谱次对角线的直线序列积分,不但避免了插值,而且包含了更多的相位和幅度信息。最后将对角积分双谱应用于低截获概率（LPI）雷达信号的特征提取。仿真条件下,对比分析了各种积分双谱的识别性能,结果表明对角积分双谱的识别性能优于其它积分双谱。     

模糊神经网络的舰载雷达辐射源识别方法

采用模糊神经网络方法,对舰载雷达辐射源进行识别,将模糊系统确定模糊推理规则以及如何推理决策作为黑盒子,只需给出模糊化的输入,即可得到决策输出．该方法具有简捷方便、快速、准确的优点,特别适用于复杂的识别问题。     

基于AIT方法的雷达辐射源信号识别效能评估

为了有效对雷达辐射源信号识别效能进行评估,建立了基于识别测试结果的评估指标体系,提出了利用AHP法求解权值、采用区间TOPSIS法计算综合评分值的识别效能评估方法（AIT）．以复杂度特征作为实验所用的特征参数,采用概率神经网络（PNN）、支持向量机（sVM）、基于遗传算法的支持向量机（GA-SVM）和基于粒子群算法的支持向量机（PSO-SVM）四种识别算法进行了仿真实验．仿真结果验证了所得结果是合理的．该评估方法是可行的．     

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。     

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。     

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。     

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.     

基于子块积分循环双谱的雷达辐射源信号识别

信噪比是现代无线通信系统中的重要参数之一,人们对信噪比估计技术进行了大量的研究。根据所采用的信号处理技术不同,分最大似然、谱分析和基于统计量等3类基本的信噪比估计方法,并给出了典型估计方法的比较和计算机仿真,得到了一些较为直观的结论。最大似然方法精度高,但需要周期地发送训练序列;谱分析方法实现简单,但估计精度有限;基于统计量的方法需要较大的数据量才能实现信噪比的精确估计。     

基于子块积分循环双谱的雷达辐射源信号识别

循环双谱性能优越,能用于雷达辐射源信号的识别,但是其数据量庞大。循环双谱对角切片法丢失了大部分信息。证明了循环双谱的对称性和周期性,在此基础上提出了子块积分循环双谱,该方法不但能有效地减小数据量,而且保留了大部分的循环双谱信息。然后用Fisher判决率(FDR)选择鉴别能力较强的子块积分循环双谱。仿真条件下,对比分析了子块积分循环双谱与循环双谱对角切片法的识别效果,结果表明新方法的识别性能远优于对角切片法。     

基于云模型的区间VIKOR多准则决策方法研究

摘要：针对区间型多准则决策问题,提出一种基于云模型的区间VIKOR决策方法．首先,提出将普通的区间型数值转化为能体现模糊性与随机性信息的云决策矩阵方法;接着,给出了正负云理想点的确定方法以及云模型距离测度公式,在此基础上发展了一种云VIKOR方法;最后,通过空调选择的算例验证了该方法的有效性和可行性．     

基于FCM聚类算法的雹云识别模型

冰雹是气象的主要灾害之一.冰雹云的发生发展具有突发性,移动迅速,生命史短等特点,这些特点使人工预报冰雹非常困难.本文利用FCM聚类算法与新疆维吾尔自治区阿克苏地区的雹云反射率图像相结合.首先将冰雹反射率图像由RGB转换到灰度空间,然后计算各强度的面积所占比例,根据冰雹图像的测度特征,计算得到各强度均值、方差、偏度和峰度,根据这四项指标作为FCM聚类算法样本数据库.利用此聚类算法对已有样本进行测试,检验结果表明:FCM聚类算法能够较好的识别降雹和非降雹,判别误差较小,具有一定的参考价值.     

基于云模型战场电磁环境复杂度量化评估方法研究

分析了战场电磁环境的构成及其复杂性的内涵,简要介绍了云模型理论,在此基础上提出了基于云模型的电磁环境复杂度量化评估方法,包括评估指标建立、指标权重确定、评估云模型生成、标尺云模型生成等,并结合案例进行了仿真验证。结果表明:该方法可较好地实现评估用定性概念到量化语言的转换,对电磁环境复杂度量化分析具有一定的指导意义。     

基于轻量级神经网络的地基云图识别

针对目前云识别效率低下,同时缺乏公认且严谨、公开的地基云数据集问题,利用专业设备结合人工标注和迁移学习,构建了目前规模最大且符合国际气象组织标准的云公开数据集HBMCD,并且在此基础上,利用深度可分离卷积、膨胀卷积等技巧构建基本单元,通过组合不同的基本单元构建了轻量级云图分类模型LCCNet.经过多组对比实验,证明了LCCNet不仅参数量低、运算复杂度低,而且针对HBMCD数据集具有高达97.35%的准确率,为设备集成与实际应用提供了可能性.     

基于人工免疫原理的中文姓名识别方法

为提高姓名识别的准确性并加快识别的速度,受生物免疫系统自学习、免疫记忆等特征启发,基于人工免疫原理,提出了一种新的中文姓名识别模型。给出了自体/非自体、抗体/抗原的定义,建立了免疫学习、免疫识别和免疫记忆机制。对模型进行了仿真,并完成了验证实验。实验结果表明该方法较传统的基于统计、基于语料库和结合决策树的姓名识别方法更有效,为文本挖掘提供了一种较好的解决方案。     

一种基于云模型的装备采办承包商选择评价方法

选择满意的承包商是实现装备采办目标的关键环节之一。利用云模型改进Delphi法,确定评价指标体系的权重,实现专家意见的可视化。运用浮动云和综合云理论,建立了装备采办承包商综合评价模型,将承包商综合评价结果用云图或云滴分布的定性描述表示,使评价结果更加直观、完整,为选择满意的承包商提供了工具和方法。最后,通过实例,验证了该评价模型的可行性。