基于势距图与改进云模型的多模雷达分选

针对多模雷达信号分选准确率较低的问题,本文提出了基于势距图与改进云模型的多模雷达信号分选新算法。该算法首先在剔除干扰点后,利用势距图进行聚类分选;其次,利用主成分分析(PCA)降维,提取各特征的关键因素组成新的特征;最后,利用改进云模型理论对新特征进行分析,得出类与类之间的隶属度均值,建立评价标准来完成雷达信号的最后分类。仿真结果表明:与现有算法相比,该方法具有更高的准确性,且抗干扰能力强,可以更好地解决多模雷达信号错误分选问题。     

基于数据场聚类与时差的雷达信号分选方法

针对现有多站时差分选方法无法处理失配脉冲信号导致漏警率高的问题,提出了一种基于数据场聚类与时差的雷达信号分选方法.首先对各接收站截获的雷达脉冲进行配对,完成多站时差分选;然后利用数据场剔除失配脉冲集合中的干扰脉冲,获得聚类数目和初始聚类中心;最后利用K-means算法计算脉冲到各个聚类中心的欧式距离,并将其划分到距离最...     

雷达信号分选、处理方法研究

雷达信号分选,就是从交错的密集复杂的脉冲信号流中提取出属于同一雷达辐射源的脉冲序列。现代雷达具有多种工作状态,其各项特征参数都是可变的,甚至是随机变化的,这给雷达信号的分选与处理工作带来一定难点。本文介绍了雷达信号分选基本方法,分析了雷达信号分选的关键技术,并雷达信号处理中的的辐射源分类的识别方法。     

一种用于雷达信号分选的改进型神经网络

基于雷达信号分选的应用需求，对传统自组织特征映射（SOFM）神经网络进行了分析，提出一种结构自调整的改进型SOFM神经网络，并进行了分选仿真．结果表明，该网络能够通过增加或删减输出神经元的数目，自动调整神经网络的规模使其与实际输入模式的类别数目相适应，从而取得了较好的雷达信号分选效果．     

基于逆云模型的雷达辐射源识别方法

针对由于噪声环境造成的雷达辐射源不能正确识别的问题,提出了一种新的基于逆云模型的雷达辐射源识别方法。该方法首先构建了更符合实际的含有噪声数据的雷达辐射源数据库,利用逆云模型求出数据库中雷达辐射源各属性的云数字特征,给出了基于属性相似度的识别权重确定方法,并构建了基于云模型和属性相似度的雷达辐射源分类器。仿真实验证明,该方法可以更好地处理由于噪声环境引起的随机性和模糊性,能在恶劣噪声环境下有效地进行雷达辐射源识别。     

支持矢量分析在雷达信号分选中的应用

提出了一种基于支持矢量分析的雷达信号分选方法、该方法首先对脉冲信号流进行聚类，然后应用支持矢量分析方法对聚类后脉冲流作进一步分选．通过仿真实验，给出了该方法对处于边界交迭脉冲的分选结果，证明了该方法的可行性、     

熵特征在雷达信号分选中的应用

针对现有方法分选准确率不高和对噪声敏感的问题,应用信息熵特征实现了低信噪比条件下未知复杂雷达信号的高准确率分选.对接收到的雷达信号首先求得维格纳分布空间和双谱空间,然后对该空间进行子空间划分,在子空间分布概率下,求取雷达信号的信息熵特征构成二维特征向量,该特征向量反映了信号在这两种空间下的能量分布.最后对8种雷达辐射源信号进行了特征提取和分类仿真实验.实验结果表明所提取的特征参数在宽信噪比范围内均具有很好的分离性和稳定性,验证了该方法的有效性.     

基于压缩感知的雷达信号分选方法

针对复杂电磁环境下,大量的信号在时间、空间、频谱发生随机交叠时,现有分选方法很难进行分辨的问题,提出了一种基于压缩感知理论的雷达信号分选算法.该算法将信号的样本空间作为稀疏字典,将待分选的雷达信号进行稀疏表示,以少量的观测数据就能获取信号的全部信息,从而对雷达信号进行有效的分选.仿真结果表明,该算法能对大量时频交叠信号进行快速分选,且在低信噪比下也能取得较理想的效果.     

通信信号的分选与识别

本文提出了通信信号分选的识别方法，对分选的方案进行了论证，利用预处理与主处理相结合的方法来分选通信信号，尤其在进行调制分类时，提出特征提取和识模器，为了提高速度速度，采取维数缩压和线性识模器。     

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。     

一种低复杂度的雷达信号分选方法

针对现有支持向量聚类算法在雷达信号分选应用中复杂度高、用传统有效性指标难以描述最佳分选效果的问题,研究了基于锥面聚类分配的支持向量聚类算法;利用该算法依赖于特征空间和数据空间近似覆盖的特性,避免了邻接矩阵的计算.提出了基于相似熵的有效性验证指标,应用信息熵的理论描述了类内聚集性和类间分离性.仿真结果表明,该方法在保证分选正确率的同时,可以有效降低计算复杂度,在一定程度上满足了情报侦察系统的实时性和准确性要求,具有较强的实用价值.     

基于雷达任务驱动的信号模拟研究

针对传统雷达信号模拟器输出信号难以体现多功能雷达信号变化规律的问题,提出了一种基于雷达任务驱动的信号模拟方法.首先给出了模拟器结构组成,然后详细介绍了跟踪管理算法的原理与实现,最后对数据率参数进行了分析.该方法不仅可以产生多种样式的雷达信号,而且重点考虑了不同样式信号的变化规律.模拟结果符合多功能雷达的发射信号特征,可为多功能雷达信号的模拟研究提供参考.     

基于排序和直方图修改的可逆信息隐藏方法

提出一种基于排序的差值直方图修改的可逆信息隐藏方法。首先,对图像分块;然后,采用按灰度值大小排序后的中值作为参考点,并和其余像素点做差,以产生更多的相同的值,使其差值直方图更紧凑、直方图的峰值点更大;最后,采用基于直方图修改的方法在差值中进行隐藏。实验表明,该方法不仅可以实现可逆信息隐藏,隐藏效果更好,并且嵌入量更高。为了提高嵌入量,进行了多层信息嵌入,并且在嵌入层数不同时采用不同的分块方式,提高了隐藏效果。分析了实验结果。     

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.     

基于线性预测模型的高频雷达多普勒信号恢复

雷电和突发的无线电通信干扰信号严重影响高频雷达的正常工作。这类干扰严重时,常用的二维FFT处理不能从接收信号中提取目标的距离和速度信息。为此本文根据经一维FFT处理后得到的多普勒信号被干扰分割的特点,提出利用线性预测模型修正被破坏的多普勒信号的方法,并采用前－后向预测的LMS算法,首次建立了高频雷达多普勒信号的AR预测模型,从而使高频雷达具备了抗瞬时突发干扰的能力。计算机仿真和现场实验数据的处理结果表明该方法是有效的。     

基于云计算的分布式数据挖掘平台架构

针对互联网上数量众多的网站带宽资源长期浪费或突发资源短缺、响应时间长、服务器宕机、网站受到黑客攻击等问题,提出了基于＂云＂的分布式web安全系统及基于云计算的分布式数据挖掘平台架构,并在此基础上提出了一种新型的分布式数据挖掘模式,利用云计算技术,可以方便地通过网络获取强大的计算能力和存储能力,将消耗大量资源的复杂计算通过网络路由优化和资源约束自适应策略分布到多节点上进行,然后通过组合不同数据站点上的局部数据模型,最终得到全局数据模型。     

基于雷达回波视频信号的目标智能识别方法研究

为了提升常规雷达目标识别的能力,以含有更多目标原始信息的回波视频信号为基础,研究了目标回波视频信号的特征提取,提出一种基于支持向量机的目标识别方法.最后通过仿真实验验证了本文方法的有效性.仿真结果表明,采用本文方法对目标大小识别的准确率与信噪比、采样率有关;对目标机型识别能得到较高的准确率.     

基于谐波模型的生命探测雷达人体状态识别方法

生命探测雷达根据人体的体动、心跳和呼吸运动所产生的多普勒效应对生命信号进行探测、定位和状态识别．通过分析实测数据提出了生命探测雷达高斯色噪声杂波模型和谐波生命信号模型．采用高阶累积量估计模型参数,根据生命信号特征提出了基于谐波模型的生命探测雷达人体状态识别方法．实际测试实验表明该方法的正确识别率大于90%．