基于灰关联分析的雷达辐射源信号盲分类

提出了一种基于灰关联测度的分裂式层次聚类算法来实现雷达辐射源信号的盲分类.目前广泛使用的许多聚类算法中都需要预先确定类的数目,该算法能很好的解决这个问题.通过提取雷达辐射源信号在频域内的小波系数作为聚类的样本空间,用灰关联测度来衡量数据样本之间的相似程度,采用自顶向下基于密度扩展的分裂式层次化聚类策略,生成不同层次的划分,然后根据提出的聚类有效性指标估计类的数目.仿真实验结果表明,该算法能够获得较好的分类结果.     

基于粗糙集的决策树雷达辐射源识别方法

关于优化识别雷达辐射源问题,雷达辐射源信号受到外界环境影响和各种干扰,造成识别困难.为解决上述问题,提出了一种新的决策树雷达辐射源识别方法.首先,应用粗糙集理论对雷达辐射源信号进行分析.通过离散化、属性约简,得到分类结果对于各条件属性的重要度.根据各条件属性重要度来确定各属性信息量的相对大小,建立决策树.该方法简化了决策树的结构,并改进了传统的决策树的建立方法.选取雷达信号的主要参数特征进行了仿真.仿真结果验证了改进方法的有效性与可靠性.为消除噪声,正确识别结果提供了依据.     

基于稀疏表示的雷达辐射源信号级融合识别算法

针对现有融合识别算法难以兼顾信息完备性和节点通信数据量的问题,提出一种基于信号稀疏表示的雷达辐射源信号级融合识别算法。该方法将接收信号投影到稀疏域并进行压缩,从而在稀疏域完成融合,最后利用融合后的稀疏系数进行识别。该方法既降低了通信数据量,又较好地保证了信息的完整性。仿真实验表明,相对于单一传感器和决策级融合,所提出的方法可有效提高信号识别性能。     

雷达辐射源信号分选识别特征性能评价的改进灰色关联模型

为解决雷达辐射源信号分选识别特征评价不够客观和缺乏评价依据等问题,构建了一种结合区间直觉模糊思想的改进灰色关联的特征评价模型。该模型引入信噪比维度来考察不同层次数据的动态差异,以区间型数据描述特征信息,建立区间直觉模糊综合决策矩阵;其次,采用特征间总离差最大化的优化模型来确定各指标权重;最后基于改进灰色关联框架,结合逼近理想点方法实现特征方案排序。仿真实验结果表明,所提方法能够给出与实际情况相一致的分选识别特征评价排序结果,并和未改进的灰色关联法分析结果基本一致,验证了所提方法的可行性和有效性。     

基于小波不变矩的雷达辐射源信号识别

针对雷达辐射源信号识别,提出一种基于时频分布的小波不变矩特征向量提取和识别分类方法。对雷达辐射源信号时频图像进行处理,对图像进行小波变换,提取小波矩的特征向量。采用支持向量机分类识别的方法,对特征向量进行训练,实现信号识别。对6种常见雷达信号进行分类,结果表明在信噪比较低的情况下也能取得较好的识别效果,在SNR为-3 dB时,识别正确率仍达到93.9%。     

基于混合核函数的雷达辐射源信号识别

针对单核函数支持向量机性能的局限性问题,提出将多项式核函数与高斯核函数构建成一种混合核函数支持向量机,并将其应用于雷达辐射源信号识别。将信号的常规参数与脉内特征参数作为输入特征,通过仿真实验,证明了算法的有效性,并比较了不同权值对于分选效果的影响。     

基于差分进化算法的雷达辐射源识别研究

研究雷达辐射源识别优化问题,由于各种噪声影响,使信号不清。差分进化算法是一种有效的寻找函数极值的演化计算方法,具有简单和鲁棒性强的优点。为了准确识别雷达辐射信号,提出一种差分进化算法的雷达辐射源识别方法,采用模式匹配的雷达辐射源识别模型,进行参数选择,并给出了具体的实现算法。仿真结果表明,采用差分进化算法能近似最优地实现对所提识别模型的参数估计,能够有效地提取雷达辐射源数据中有用信息,成功排除噪声干扰,取得良好的识别效果。研究内容可供开展雷达辐射源数据识别应用参考。     

雷达辐射源类型识别分析

辐射源信号高度密集、波形复杂、频域宽广、隐身和抗干扰能力强,复杂现代电子对抗信号环境下,雷达辐射源类型识别面临着严峻的挑战.论文总结了雷达辐射源类型识别技术的最新发展动态.针对特征提取和识别算法的现状、雷达辐射源信号数据海量、高维和递增的特点及特征参数随雷达工作参数和模式变化的特性,分析了雷达辐射源类型识别算法的不足.并且,为改进上述不足之处,提出了现代电子对抗信号环境下雷达辐射源类型识别的新流程,以进一步提高雷达辐射源类型识别的实时性和准确性.     

基于模糊函数多域特征融合与集成学习的雷达辐射源信号识别

针对复杂电磁环境下雷达辐射源信号识别方法中存在的抗噪性能差、识别准确率低等问题,提出一种融合模糊函数多域投影特征的集成深度学习识别方法.首先,对信号的模糊函数进行高斯平滑处理,从多域视角出发选取合适角度对模糊函数进行二维投影以构建特征数据集;然后,构建一种基于多域特征融合的两阶段识别分类方法,使用多个密集连接网络DenseNet 121作为初级分类器分别对3类特征数据集进行训练学习,得到初级分类结果;最后,通过Stacking策略对初级分类结果进行融合学习,得到最终类别信息.实验结果表明,所提出方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在97.24%以上,即使是在-4 dB环境中,识别率也稳定在87.16%以上,验证了所提出方法的有效性和可行性,具有一定的工程价值.     

基于VPRSM的辐射源灰色识别法

针对辐射源识别问题,提出一种基于变精度粗糙集与灰色理论相结合的雷达辐射源识别方法.利用变精度粗糙集获取雷达辐射源各属性参数的权重,并结合灰色关联分析完成辐射源识别.以雷达用途识别为例,给出仿真实验.结果表明,该算法在-15dB的低信噪比条件下,能获得高于90%的识别率,从而表明了新算法的有效性.     

粗糙集与灰色系统

首先对粗糙集理论和灰色系统理论进行了对比分析,提出了灰集的概念,以及灰集的灰度、灰集间的基本关系及灰集的基本运算的定义,然后给出了可定义灰色集及粗糙灰色集的概念并研究了它们的相关性质,论证了结合粗糙集与灰色系统能够对某些不确定性信息进行更有效的处理。     

一种基于多分类器融合的雷达辐射源识别方法

雷达辐射源识别传统方法只使用一个分类器进行分类,对于类别数较大、输入样本受噪声污染严重的情况很难获得好的识别效果.首先分析了雷达特定辐射源识别的可行性,分别提取信号的包络和双谱用来作为个体特征.然后将概率SVM引入雷达辐射源识别,得到分类识别的概率输出,并结合灰关联分析得到的灰关联度,采用D-S证据推理方法对两个分类器结果进行融合.仿真实验针对10种同类型雷达的脉冲数据,结果证明多分类器融合较之单个分类器能获得更高的识别率,提高了分类置信度.     

基于粗糙集的CRM研究

本文介绍了粗糙集的基本理论,及基于粗糙集的知识获取理论模型,并运用这一模型对银行信贷模型进行了分析,通过决策表约简,剔除冗余属性、消除过剩规则,最后得出了属性约简的最小化结果以及决策规则。     

基于粗糙集的CRM研究

本文介绍了粗糙集的基本理论,及基于粗糙集的知识获取理论模型,并运用这一模型对银行信贷模型进行了分析,通过决策表约简,剔除冗余属性、消除过剩规则,最后得出了属性约简的最小化结果以及决策规则.     

基于Choi-Williams时频图像特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于Choi-Williams时频图像的雷达辐射源信号特征提取和识别方法,将信号识别转化为图像识别问题。首先对雷达辐射源信号进行Choi-Williams时频变换,将得到的时频图转化为灰度图像;然后采用一系列图像处理方法对时频图像进行增强和去噪,之后将灰度图像转化为二值图像,并剪切掉不含信号的图像区域;最后分别提取二值图像的中心矩和伪Zernike矩作为识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对8种常见雷达信号识别进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的识别率,其中当信噪比为-3dB时,采用伪Zernike矩特征平均识别率仍能达到92%,验证了所提出方法的有效性。     

基于Rough集理论的Self集的构造和演化算法

提出了一种基于Rough集理论的Self集构造和演化算法。利用Rough集约简算法，对用户的安全访问行为的数据作规范化处理并进行约简，从中提取有效的最简规则，降低了安全数据的冗余，减轻了特征码构造的负担。使用Rough集上、下近似集原理，构造了上、下近似Self集，实现了Self的优化和扩展，有效地解决了Self集的自动演化问题。     

基于Rough集理论的Self集的构造和演化算法

提出了一种基于Rough集理论的Self集构造和演化算法。利用Rough集约简算法,对用户的安全访问行为的数据作规范化处理并进行约简,从中提取有效的最简规则,降低了安全数据的冗余,减轻了特征码构造的负担。使用Rough集上、下近似集原理,构造了上、下近似Self集,实现了Self的优化和扩展,有效地解决了Self集的自动演化问题。     

基于粗糙集和Petri网的油层含油识别研究

油藏受天然气的侵入,就会产生油气分异的现象:天然气会萃取出油藏中的轻组分,造成凝析油藏或轻质油藏;此外,油藏中的重组分脱出,形成沉淀,直接导致储层的渗透率降低,从而影响油气的分布规律。针对油藏中油气分布规律复杂的问题,在传统油层含油判别分析的基础上,提出了一种基于粗糙集和Petri网的油藏建模方法。应用粗糙集的知识约简对油层含油识别相关的岩层厚度、泥质含量等6个指标进行属性选择,提取最简规则,建立Petri网模型,根据Petri网的并行推理达到简洁高效的含油识别。仿真实验结果表明,采用粗糙集与Petri网判断的油气分布规律与现场数据高度接近,精度高,识别速度快,正确率高。可见将粗糙集与Petri网组合用于油层油气识别是有效的。