基于知识库的雷达辐射源识别专家系统

从分析雷达辐射源识别的特点出发，提出了基于知识库的雷达辐射源识别专家系统。讨论了系统总体结构模型和面向对象模型。根据系统要求建立了数据库；积累案例形成案例库；获取专家经验及领域知识建立了规则库；依据知识层次结构建立了模型库，这四库一体化形成专家系统。介绍了基于案例、基于规则和基于模型的推理方法，比较了各种推理方法的优、缺点，并提出了基于案例、规则和模型的混合推理。最后给出了系统的功能和实现方法。应用证明基于知识库的雷达辐射源识别专家系统可以得到与专家同样的结果。     

基于雷达辐射源识别专家系统的数据融合方法研究

介绍了用专家系统进行雷达辐射源识别的方法,重点阐述了专家系统知识推理机的控制策略和推理机制,详细分析了3种数据融合方法:确定性理论方法、主观Bayes理论方法和D-S证据理论方法,并用1个实例分析了这3种方法的准确率,总结了3种方法的优缺点,对进一步研究具有借鉴意义。     

雷达辐射源识别专家系统中的推理机设计

从雷达辐射源识别的特点出发，采用面向对象的方法分析了雷达辐射源识别专家系统的推理机的工作原理，给出了推理机的设计思想。介绍了识别的基本步骤；分析了事实库查询识别和规则推理优缺点，主要采用规则推理。给出了推理机的工作原理、推理方向和推理控制策略等。最后采用不精确推理中的确定性理论进行推理实现。应用结果显示，如此设计的推理机可以提高雷达辐射源的机器识别率。     

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。     

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.     

雷达辐射源识别的多元信息融合算法研究

该文针对复杂电磁环境下侦察设备获得的雷达辐射源信息具有不完整性和模糊性的情况,通过对现代雷达侦察情报特点的分析,研究了利用多种侦察设备获得的多元信息,采用证据理论信息融合的方法对雷达辐射源进行识别。设计了辐射源属性的基本概率赋值函数,提出了辐射源属性融合、多侦察周期时域融合和多侦察设备空域融合的三级融合算法。仿真结果表明该融合算法具有优越的性能。     

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....     

雷达辐射源信号快速识别综述

对现代战场的电磁环境特点进行分析,介绍了已有的几种雷达信号特征描述方式,阐述了目前的雷达辐射源信号快速识别方法及其发展方向,概述了雷达辐射源识别系统中的数据库设计研究现状.对未来进行展望,为进一步研究雷达辐射源信号快速识别技术提供参考.     

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。     

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。     

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。     

辐射源调制识别综述

辐射源调制识别一直是电子战领域的研究热点。文章从有意的模拟调制、数字调制以及无意调制三方面对近年来讨论较多的调制识别方法进行了总结和评述。     

基于脉冲神经网络的雷达辐射源调制类型识别

面对日益复杂的电磁环境和层出不穷的新体制雷达,基于人工方式提取雷达辐射源特征难以满足现代认知电子战的需求.为提升雷达辐射源识别的智能化水平,提出一种新的基于脉冲神经网络(Spiking Neuron Network,SNN)进行雷达辐射源调制类型识别的算法.首先利用时频分析的方法,将5种常见雷达时域信号转换为二维灰度图...     

基于参数样本图的雷达辐射源识别

在现代信号环境中,基于传统的雷达信号特征描述方式很难对复杂体制雷达辐射源进行准确描述和识别。提出一种新的雷达参数样本图的描述方式,并研究了基于参数样本图的雷达辐射源识别算法,利用脉冲序列与雷达参数样本图进行匹配识别,给出了参数类型匹配及参数样本图匹配的方案。仿真结果表明,这种方法是有效的。     

应用动态时间规整算法实现雷达辐射源个体识别

雷达辐射源个体识别,即识别同型号同批次的雷达辐射源,是当今电子战研究的重点课题。雷达辐射源的个体差异是由其内部各种元器件的细微差异产生的,瞬时幅度和瞬时频率能够很好地体现雷达辐射源的个体差异。基于这一事实,采用动态时间规整算法实现了雷达辐射源的距离测度。利用数据融合技术,综合考虑了瞬时幅度和瞬时频率的动态时间规整测度值,实现了雷达辐射源个体识别中的目标匹配。最后,通过仿真验证了动态时间规整算法在雷达辐射源个体识别课题中的可行性。      

雷达辐射源个体识别设备的框架研究

从工程应用出发，运用雷达信号指纹特征分析技术，对雷达辐射源个体识别设备的设计与实现进行研究，提出一种可以实现雷达辐射源个体识别的设备框架模型。     

基于模板匹配的雷达辐射源信号识别研究

从统计学理论出发,对基于模板匹配的雷达辐射源信号识别进行研究,通过设定容差测试了4种不同的距离计算方法的识别效果,得出了在雷达特征参数测量精度较高的情况下,使用City Block距离和Euclidean距离进行距离计算识别效果较好,当测量精度不高时,需要增大容差范围且使用M距离进行距离计算时识别效果较好。建立的数据库和雷达辐射源识别模型可用于电子战的模拟训练。     

基于带宽比特征的雷达辐射源信号识别

提出了用信号带宽比特征识别雷达辐射源的新方法。通过两次对雷达辐射源信号进行平方处理,提取两次处理前后信号带宽的比值组成二维特征向量。利用四种常见的雷达辐射源信号进行的仿真实验结果表明,带宽比特征类内聚集性强,类间分离度大,能达到非常满意的正确识别率,证实了所提方法的有效性。     

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。     

基于熵特征的雷达辐射源信号识别

针对现有方法识别率低和没有考虑噪声影响的问题, 提出一种新的雷达辐射源信号识别方法. 将近似熵(ApEn)和范数熵(NoEn)构成特征向量, 用神经网络分类器实现自动分类识别. ApEn是定量描述信号复杂性和不规则性的有效测度, NoEn是定量表征信号能量分布的有效参数. 理论分析和实验结果表明, 熵特征类内聚集性强、类间分离度大, 在较大信噪比范围内均能获得非常满意的正确识别率, 证实了所提出方法的有效性.