模糊神经网络的舰载雷达辐射源识别方法

采用模糊神经网络方法,对舰载雷达辐射源进行识别,将模糊系统确定模糊推理规则以及如何推理决策作为黑盒子,只需给出模糊化的输入,即可得到决策输出．该方法具有简捷方便、快速、准确的优点,特别适用于复杂的识别问题。     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

雷达辐射源智能识别系统

本结合雷达辐射源智能识别技术的研究工作，介绍了雷达辐射源智能识别系统（REIRS）的结构、工作流程及其硬件实现方法。识别系统所采取的不仅克服了现有识别方法的不足，而且还在一定程度上提高了识别率，本系统在电子战信号处理中有着巨大的潜力。     

基于多学习单元卷积神经网络的雷达辐射源信号识别

现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低,识别准确率不佳. 为此,提出了一种基于多学习单元卷积神经网络的识别方法. 首先对辐射源信号的模糊函数进行高斯平滑,以校正噪声带来的毛刺与畸变;然后提取其正交切片作为进一步的特征提取对象;最后构建多学习单元卷积神经网络,学习和提取正交切片深层、泛在的特征,并通过softmax分类器进行分类识别. 仿真实验结果表明,所提方法在信噪比为-2 dB时对6类典型雷达信号的整体平均识别率均保持在99.86%以上,即便是在-6 dB环境中,雷达信号的识别率也可达到88.50%,在极低信噪比条件下具有良好的性能和可行性.     

雷达辐射源模糊识别算法改进

改进了复杂电磁环境下雷达辐射源模糊识别算法。改进算法通过证据组合对模糊隶属度进行融合,很好地解决了识别中的不确定性,错误的识别结果经过融合后得到去除。采用最优隶属准则进行雷达辐射源类别决策,融合后的辐射源正确识别率得到明显提高。仿真结果及对比实验表明,相比于模糊识别算法,信噪比不小于0dB时,改进算法的正确识别率大于90%。     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

雷达辐射源信号瞬时频率派生特征分类方法

提出一种基于级联特征提取和核模糊聚类的雷达辐射源信号自动分类方法.该方法利用改进的瞬时自相关提取信号的瞬时频率,采用二次归一化处理的特征再提取方法提取分类特征向量,利用具备有效性评价的核模糊聚类算法实现信号的自动分类.仿真结果表明,本文所构建的特征向量能反映不同调制类型信号的变化差异,且具备一定的抗噪能力,在信噪比不低于6 dB情况下,可获得不低于95%的整体分类性能.     

雷达辐射源自动识别的设计与实现

针对基于五大常规参数的传统雷达辐射源识别方法的局限性,提出关于方位角稀释后的脉冲串波形数据的雷达辐射源自动识别方法.该方法通过对脉冲串波形数据的波形调理与脉冲分离、脉内特征参数提取、信号调制类型识别、脉冲归类和所属雷达辐射源识别等环节的设计研究,完成雷达辐射源自动识别系统架构的工程实现.采用模拟数据测试结果表明,基于该方法设计的系统识别速度快、准确率高,可为雷达对抗侦察设备的改进提供重要参考.     

雷达辐射源识别专家系统的数据库设计

文章在分析了雷达辐射源信号特点的基础上，提出了一种雷达辐射源识别专家系统的数据库设计方法。该方法运用了规则入库、非规范化设计和面向对象的数据库设计思想，满足了专家系统对数据库的特殊要求。     

基于深度前馈神经网络的多基地外辐射源雷达高精度目标跟踪（英文）

在雷达系统中,目标跟踪误差主要来自运动模型和非线性量测。在评估跟踪算法时,其跟踪精度是主要衡量准则。为提高跟踪精度,本文将跟踪问题表述为从量测到目标状态的回归模型,提出一种基于改进深度前馈神经网络（MDFNN）的跟踪算法。所提MDFNN跟踪算法引入一种滤波层来描述输入量测序列的时序关系,并分析了最优量测序列长度。仿真和实测的外辐射源雷达数据测试表明,在所考虑的场景下,所提算法跟踪精度优于基于扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）和递归神经网络（RNN）的跟踪方法。     

胶合板缺陷模糊神经网络检测算法

讨论了模糊逻辑和神经网络的工作原理,笔者在神经网络中引入模糊逻辑算法,将模糊逻辑处理不精确不完备信息的能力和神经网络的自适应自学习能力相结合,提出一种模糊神经网络算法,构建出模糊神经网络分类器,并且以胶合板缺陷检测为应用背景,对其分类的实时性、准确率等指标进行了验证,得到了分类精度93 33%,和训练次数5856次的良好性能.实验结果表明:在引入模糊逻辑算法后,基于模糊逻辑的神经网络分类器在模式分类精度和实时性等方面性能指标都得到了提高.     

模糊特征下基于神经网络的工程图纸标注符号识别研究

提出了一种基于人工神经元网络对机械工程图纸标注符号识别的方法，并对基于特征输入和基于点阵输入两种神经网络分类器的特点进行了比较．研究结果表明，在模糊特征下，神经网络方法对工程图纸标注符号的智能识别完全能达到实用化要求．     

基于模糊-粗糙集理论的神经网络模式识别方法

目的 通过对数据进行约简提高模式识别中数据的有效性,以提高胶合板缺陷检测的准确率和在线的实时性.方法 利用粗糙集理论在数据约简上的优势,提取出对模式识别决策结果影响最大的属性,约简掉对决策结果影响较小的属性.利用模糊逻辑在不确定性问题的能力,提高边缘属性在模式识别中的权重值.利用神经网络在模式识别中的有效性,将粗糙集算法、模糊逻辑、神经网络的人工智能算法有效相结合,提出一种基于模糊粗糙集神经网络的模式识别分类方法.结果 结合胶合板缺陷检测,针对胶合板的13类缺陷的17个属性,提取出最有效的数据,约简了对决策影响最小的4个属性.结论 基于模糊-粗糙集理论的神经网络模式识别算法提高了数据的有效性,增强了缺陷检测的准确度,提升了在线检测的实时性,取得了良好的研究结果.     

基于T-S模糊神经网络的电晕放电模式识别方法

提出了基于T-S模糊神经网络的电晕放电模式识别方法,设计制作了三类电晕放电实验模型,并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量,根据特征向量维数、隶属度函数类型及隶属度函数个数对T-S模糊神经网络的拓扑结构进行分析,将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电...     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

相控阵技术在舰载雷达中的应用

科学技术进步促进雷达技术发展完善,产生许多新的雷达技术,其中相控阵技术就是较为常见的一种。相控阵雷达技术特点在于可以依据相位控制电子扫描雷达布阵,其中天线阵面中的每个天线控制都由独立开关进行。现代战争中离不开舰艇船只,而雷达则是舰艇船只的眼耳,当雷达技术不对等时,处于下风的舰艇只能处于被动状态,所以保证舰艇雷达的探测分辨能力具有现实意义。     

基于模糊神经网络的模糊辨识方法及其应用

利用模糊神经网络（ＦＮＮ）的学习能力从控制操作的现场数据中获取模糊规则，并自动调节隶属函数，把建模的过程转化为ＦＮＮ网络结构参数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题，取得了满意的结果。     

基于AIT方法的雷达辐射源信号识别效能评估

为了有效对雷达辐射源信号识别效能进行评估,建立了基于识别测试结果的评估指标体系,提出了利用AHP法求解权值、采用区间TOPSIS法计算综合评分值的识别效能评估方法（AIT）．以复杂度特征作为实验所用的特征参数,采用概率神经网络（PNN）、支持向量机（sVM）、基于遗传算法的支持向量机（GA-SVM）和基于粒子群算法的支持向量机（PSO-SVM）四种识别算法进行了仿真实验．仿真结果验证了所得结果是合理的．该评估方法是可行的．     

用AUTES实现雷达辐射源识别专家系统

描述了一种用自行研制的专家系统开发工具AUTES进行雷达辐射源识别专家系统开发的方法,对其中专家知识及知识库、置信度融合方法、解释器等作了详细介绍。测试和实际运用表明,该专家系统能对雷达辐射源进行高效率识别,对参数不全或参数发生一定程度畸变的雷达辐射源的识别率可达到80%以上。     

一种新的雷达辐射源信号脉内特征参数选择方法

为提高雷达辐射源信号识别速度,提出了一种脉内特征参数选择的新方法．首先对熵、相像系数、模糊函数、复杂度和双谱五种脉内特征参数的提取算法进行了研究,其次利用留一法误差来评估特征参数对分类器泛化性能的影响,最后对特征参数的评估进行了仿真实验．仿真结果表明,基于留一法误差可以较好地实现特征参数选择,为提高雷达辐射源信号识别准确率提供参考．