基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法 ,包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明 ,该方法有着良好的识别效果     

基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法．包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明，该方法有着良好的识别效果。     

基于模糊神经网络的雷达对抗目标识别模型

在现代战场上,雷达信号密度大,体制多,波形复杂多变,而且在工作频段上往往相互重叠,在客观上对雷达对抗目标的识别造成了很大的困难。以空中雷达对抗目标的识别为例,采用过零点检测法提取雷达瞬时频率差分序列的样本方差作为脉内细微特征,结合模糊神经网络建立了一个具体的识别模型,通过仿真,证明了利用脉内细微特征和模糊神经网络技术对雷达对抗目标进行识别,是一种有效的方法。     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

基于BP神经网络的通信信号调制体制识别技术

本文研究了基于BP神经网络的通信信号调制体制识别技术。提取了反映信号调制体制差异的特征参数,并从提高收敛速度和正确识别概率出发,构建了最佳的神经网络分类器。实验结果表明,该技术拥有较好的通信信号调制体制识别性能。     

雷达目标识别技术及其新进展

从雷达目标识别技术作为现代雷达的一个重要发展方向出发，对雷达目标识别的几种主要方法即目标运动轨迹特征识别法、回波幅度起伏特性识别法、多频雷达回波识别法、极点识别法、斜升响应识别法和极化识别法等作了阐述，最后对雷达目标识别技术的新进展即波形综合法、雷达成象技术及神经网络在雷达目标识别中的应用作了展望。     

神经网络在雷达对抗与反对抗中的应用

本文从神经网络应用于雷达对抗与反对抗中的潜在优势出发，论述了将其应用于雷达信号分选和识别、自适应信号处理，识别反辐射导弹，探测隐身目标和抗人为干扰等方面的广阔前景。     

神经网络在雷达信息处理领域的应用

神经网络的大规模并行分布或非线性处理特征为其在雷达信息处理应用奠定了基础。神经网络在雷达信息预处理，多目标跟踪雷达目标识别，下伏面识别，空中交通管制雷达信息分类和反辐射导弹制导方面具有大量应用实例，并且建立了反向散射神经网络模型。本文旨在各种基于神经网络的雷达信息处理方法和结构，详细介绍了利用神经地目标数据进行优化处理，提高目标跟踪分类和识别能力，建立杂波模型等雷达信息处理各个方面的应用，展示了     

基于BP神经网络和贝叶斯推理的雷达辐射源识别

分析了雷达辐射源识别的发展现状和存在的问题,提出了一种基于反向传播(BP)神经网络和贝叶斯推理的雷达辐射源目标识别方法,阐述了BP神经网络和贝叶斯推理的原理,构建了相关的识别模型,通过仿真实验检验了模型的准确性,并提出了其发展前景。     

基于GFMM神经网络的雷达目标识别方法

新型的无师训练（General Fuzzy Min—Max，GFMM）神经网络是一种具备无师训练聚类识别能力的新型神经网络，它继承了原有GFMM网络的特点，在网络的拓扑结构和算法方面进行了较大的改进，增加了能够进行自适应在线学习的能力。基于无师训练GFMM神经网络的雷达目标识别方法完整地实现了雷达目标特征学习和识别的一体化过程。在某型对海警戒雷达舰船目标识别仿真应用实验中的结果表明：文中的方法优于其他传统的神经网络目标识别方法，在雷达目标识别方面具有良好的适用性。     

基于模糊神经网络聚类模型的雷达目标识别方法

准确识别雷达目标类型和性质对于有效实施雷达对抗意义重大。分析了模糊Hopfield神经网络原理,构建了雷达目标识别的模糊Hopfield神经网络聚类模型,并结合实例进行了具体验证。     

现代雷达体制识别技术分析

现代雷达的技术体制呈现出日益复杂化的趋势,对雷达体制的准确识别也变得越来越重要。雷达体制识别技术是当前辐射源识别领域的重要课题之一。本文简要描述了几种常见雷达技术体制的特征,介绍了当前雷达体制识别所采用的技术,并阐述了雷达异种工作模式的合并问题,最后指出了该领域亟需解决的几个问题。     

精度定位在雷达体制识别中的应用

对现有的一些雷达体制识别方法进行了分析 ,指出了这些方法存在的不足 ,提出了把通过高精度测向、定位所获得的目标方位和位置信息用于目标雷达体制识别的方法 ,这种方法对于一般方法难以识别的特殊体制雷达 ,如频率捷变雷达、频率分集雷达等的识别非常有效。     

基于神经网络的未知雷达辐射源智能识别技术

提出了一种基于神经网络的未知雷达辐射源智能识别方法,该方法以实际中获得的雷达信号参数为基础,训练神经网络,对未知雷达参数进行预测识别,给出可能的工作状态,并分析其威胁程度.仿真实验表明,该方法是有效可行的,为工程上实现未知雷达辐射源的识别提供了一种新思路.     

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法,还利用三种飞机缩比模型的暗室测量数据,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能。实验结果表明：本方法具有良好的应用前景。     

无源雷达目标识别的神经网络模型构建

针对当前无源雷达目标识别存在的识别率低和容错性不足等问题,构建了一个基于BP神经网络的目标识别模型。围绕无源雷达目标识别效率提升和智能解决方案的构设问题,梳理总结了神经元原理、常用神经网络结构、激活函数和学习算法,设计了无源雷达目标识别总体流程,具体构建了神经网络目标识别模型,包括网络结构、隐含层节点数确定等,并给出了样本训练、测试和目标识别的工作流程,为无源雷达目标识别提供了方法途径。最后,给出了一个仿真实例,验证了模型的有效性。     

基于模糊匹配和神经网络的雷达辐射源识别技术

目前常用的雷达辐射源识别方法是数据库比较查询法．该方法实现简单,易于工程实践,但其识别效率取决于数据库的容量和质量．即对先验知识的依赖性强,缺少推理．灵活性差,特别是对于许多新体制雷达信号无法很好地识别。将利用模糊匹配和RBF神经网络两种算法,设计一种识别系统,该识别系统能够较好地识别复杂体制雷达信号,能应对目前雷达辐射源数据库不完善的实际情况。实验仿真表明,该识别系统具有较高的识别率,是一种可行的雷达辐射源识别方法。     

雷达体制识别专家系统的研究

在分析雷达体制特征的基础上，介绍了雷达体制识别专家系统。该系统综合利用各方面专家知识，采用不精确推理方法，不但能对参数完整的雷达进行识别，也能对参数不完整的雷达进行识别，并给出其识别可信度。     

基于Kohonen神经网络的飞机目标识别

首先分析了Ｋｏｈｏｎｅｎ神经网络算法及其识别机理，结合飞机目标识别实现情况，借鉴人及从粗分到细分的思想，提出了基于ＫＮＮ－ＭＬＦＮＮ网络组分类器的飞机目标分类方法，应用于五种飞机目标的识别结果表明，自组织神经网络的学习速度快，自学习能力强；ＫＮＮ－ＭＬＦＮＮ网络组分类器有高的分类精度。     

基于免疫RBF网络阵列的雷达信号分类识别方法

本文提出了基于免疫算法设计的径向基函数(RBF)网络阵列实现对雷达信号体制和用途的分类识别.同单个神经网络相比,这种方法克服了识别类型较多时存在的扩充、修改、维护等难点.在RBF子网络的训练中,采用结合记忆机制的递阶免疫算法确定RBF网络的隐层参数,有效折衷了系统性能和运算量之间的矛盾.实验结果表明,采用这种方法设计的雷达信号识别系统达到了很高的性能.