基于BP-AdaBoost模型的雷达工作状态识别方法

为解决雷达信号参数重叠导致雷达工作状态识别率下降的问题,将反向传播(back propagation, BP)神经网络与AdaBoost算法相结合,生成BP-AdaBoost模型,对多种雷达特征参数进行分类,并对机载多功能相控阵雷达的6种不同的工作状态进行识别验证。仿真结果表明,与其他传统方法相比,BP-AdaBoost模型显著改善了识别过程,从而提高了识别精度。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

基于转换脉冲神经网络的雷达辐射源识别方法

为提高雷达辐射源识别智能水平,提出一种新的基于转换脉冲神经网络进行雷达辐射源调制模式识别的 方法。将仿真产生的雷达信号转换为2 维时频图,将传统的卷积神经网络(convolutional neural networks, CNN)转化 为脉冲神经网络(spiking neuron network, SNN),使用SNN 进行雷达辐射源识别。仿真实验结果表明：该方法具有 优良的检测精度,当信噪比高于-9 dB 时,识别概率可达96%以上。     

基于最大熵法的汽车毫米波雷达信号的处理

由于传统的快速傅立叶变换（FFT）和神经网络在汽车毫米波雷达信号的处理方面存在缺陷性，文中探讨了基于最大熵法（MEM）的汽车毫米波雷达信号的处理，通过仿真分析比较FFF、神经网络和MEM法的功率谱估计，从而得知MEM法在汽车毫米波雷达短时信号处理精度更高，抗干扰能力更强。     

基于规划步数自适应Dyna-Q 的多功能雷达干扰决策方法

针对基于强化学习的干扰决策方法存在着收敛速度过慢的问题,在Dyna-Q 算法的基础上提出一种规划 步数自适应的Dyna-Q 干扰决策算法。在保证干扰策略有效性的前提下,提升强化学习算法的收敛速度,使算法能 以更快的速度学习到最优干扰策略。实验与仿真结果表明：该算法能实现多功能雷达干扰的实时有效,也可扩展到 其他强化学习应用领域,具有一定借鉴价值。     

基于涡旋电磁波雷达的人体目标步态精细识别

基于雷达的人体目标识别技术在诸多领域有着重要的应用。涡旋电磁波中携带有轨道角动量,在运动目标回波中会引起线多普勒和角多普勒效应,可为识别提供更丰富的信息。但与线多普勒相比,角多普勒较微弱,二者难以被分离。使用多发多收模型产生线性调频涡旋电磁波,通过双模态回波干涉抑制线多普勒。利用短时傅里叶变换,获得双模态回波的线多普勒和角多普勒时频图,将时频图的幅度值输入到双通道卷积神经网络模型中,获得分类结果。仿真实验结果表明,将线多普勒和角多普勒分离,同时输入到分类模型中可以提升人体步态精细识别能力。     

基于卷积网络和对抗式学习的雷达信号识别算法

针对雷达信号识别中因新信号数据与训练数据的样本差异,导致卷积网络模型识别率下降的问题,提出一种基于卷积网络和对抗学习的雷达信号识别算法,提升模型对新样本的识别率.首先,依据时频变换理论,变换得到雷达信号时域-频域能量分布图像,以表征信号脉内调制特征;然后,结合深度可分离卷积的结构,构建卷积网络模型,并利用样本数据对模型...     

基于AHP 和雷达图的效能评估方法

摘要：针对效能评估中的复杂性和不确定性因素导致的专家评判信息难以合理融合、难以满足判断矩阵的一致 性,以及单一化作战效能评估得分难以做出准确评价等问题,提出了基于AHP 和雷达图的效能评估方法。该方法在 AHP 法的基础上融入区间理论,通过欧式距离计算得到信息置信度,依托信息置信度融合专家信息,提升专家打分 融合的可信性,并引入弱一致性检验剔除区间不一致信息,根据等比思想强化专家第一想法的作用。将AHP 得到的 主观权重以及离差法处理得到的仿真数据通过雷达图法进行综合评估分析,使得评估结果能够更直观反映各方案得 分及方案结构的优劣程度,以便更准确做出整体性评价。     

LM-316雷达人工干预距离引导值的实现方法

分析了LM-316雷达测距机的工作方式、工作原理和主控计算机的程序结构，从硬件和软件两个角度实现了数字引导方式下的人工干预距离，介绍了设计原理和实现方案，对使用效果进行了分析和论证。     

基于熵权的Fuzzy—AHP法在雷达侦察系统效能评估中的应用

针对炮兵雷达侦察系统性能参数的不确定性,运用模糊层次分析方法建立综合评价模型,结合熵权值法对侦察系统的效能指标进行权重的确定,从而对雷达侦察系统的效能进行评估。以美国的雷达侦察系统-AN／TPQ-36、AN／TPQ-37、AN／TPQ-47雷达为例给出综合评价的分析实例,通过效能的量化比较,确定评估模型的可靠性,为指挥员作出侦察决策提供依据。     

基于熵值和TOPSIS 法的装备体系方案优选方法

针对传统的方案筛选方法会产生海量数据且评估不客观的问题,提出一种基于熵值和 TOPSIS 法的装备体系方案优选方法。在确定装备体系方案优选指标的基础上,构建了基于熵值赋权的 TOPSIS 法装备体系方案价值评估与优选模型,并通过实例验证了该模型的有效性。结果表明：该方法能有效提高装备体系方案优选的科学性、客观性和有效性,从而为装备论证人员开展装备体系方案优选工作提供参考。     

基于全卷积神经网络和点云的道路检测算法

传统利用视觉传感器进行道路检测的算法受到环境光影响明显,难以在实际驾驶环境进行应用.本研究基于全卷积神经网络和激光雷达点云提出了一种道路检测算法,通过将点云进行投影,栅格化计算统计学特征,将无序的点云转化为全卷积神经网络能够训练的数据,进而对车辆前方的道路进行检测.在KITTI数据集上的训练和测试表明,该算法在识别精度、计算耗时、感知范围和稳定性上能够满足对于车辆前方道路的检测要求,具有鲁棒性好、全天应用的特点.     

使用极大熵谱分析改善超视距雷达探测船舶的性能

超视距雷达能够探测远洋区域的船舶,由于电离层引起的多卜勒频移的变化,干扰了海面回波,所以探测性能有时会降低。本文提出了一种去干扰方法,它建立在海杂波伯拉格谱的极大熵谱分析基础之上,在完成经典的快速傅里叶变换之前修正信号相位,相位修正之后信号质量的改善会导致信号谱峰变尖锐。在介绍的例子中,设立在船上的应答器谱线包含被选择的信号,用作参考谱。对于伯拉格谱和应答器谱,谱宽减少是重要的。当伯拉格谱峰变尖锐时,船舶回波谱较易探测。虽然这种去干扰方法比在海情监测中采用的较简单的频移方法需用较多的计算量,但是另一方面在相干积分时间内这种方法能处理多卜勒频移变化。     

基于卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征耗时长、特征不明显等问题,提出一种基于深度学习卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别方法.该方法通过快速离散分数傅里叶变换提取信号的模糊函数主脊,并将模糊函数主脊极坐标域的二维时频图作为卷积神经网络的输入,实现对不同雷达信号的分选识别.仿真实验结果表明:新方法不仅在信噪比为...     

基于雷达天线方向图的压制干扰暴露区建模

当前的雷达暴露区模型不够精确,需要考虑雷达天线方向图对干扰效果的影响.为实现突防策略的科学选择,引入雷达天线方向图对烧穿距离的计算方法进行改进,建立雷达天线方向图修正下的雷达暴露区模型.在对新模型进行分析的基础上,给出单部干扰机对雷达实施压制干扰时被掩护目标的突防策略,即突防方向应选择天线副瓣极大值处.针对移动雷达平台...     

基于GIS的机动雷达部署系统研究与实现

针对传统机动雷达的部署面临阵地选择时间长,不具有直观性,缺乏详细地理信息的不足,设计并实现了一种基于GIS的机动雷达部署系统,实现了机动雷达的优化部署。仿真结果表明,此系统对机动雷达部署具有一定的指导意义和实际应用价值。     

基于BP神经网络的雷达目标识别算法研究

雷达目标特性复杂多样,而且容易受到电磁、地物、天气等因素的干扰和影响,使其在距离、仰角、方位的测量精度降低,制约了雷达对目标的识别,BP(Back propagation)神经网络具有学习功能,能够十分有效的提高雷达识别系统的效率.     

融合卷积特征与判别字典学习的低截获概率雷达信号识别

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明：通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献［4］、文献［24］、文献［25］、文献［26］中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。     

基于熵权的坦克分队作战方案优选

针对多目标决策方法中采用事先给定权重,不具备客观性的缺点,提出基于信息熵权的TOPSIS方法决策方法：采用对原始数据计算熵权得到权重,并与TOPSIS方法相结合进行定量分析,降低决策的主观随意性,并使作战方案决策更科学合理,最后在方案评估中使用逼近理想解的排序方法。该方法可为坦克分队的作战方案的优化提供决策支持,具有较高实用性。     

基于实值反向选择算法的机械设备故障检测

选择算法在实值编码的反向选择机理中加入2种进化学习机制。一将检测器集合远离自己空间,二是移动检测器,并最优化地将检测器分布在非己空间。将其应用于机床齿轮箱运行状态检测,具有很高的故障检测率。