一种深度强化学习的雷达辐射源个体识别方法

针对传统依赖于人工经验提取辐射源个体特征的不足,提出一种基于深度强化学习的雷达辐射源个体识别方法。利用发射机非理想信道造成的辐射源信号包络在信号变化时呈现的不同瞬态信息,以信号包络前沿作为深度神经网络的输入状态,以辐射源类别作为当前输入状态的可选动作,通过卷积神经网络自动提取辐射源包络个体特征,并拟合当前状态动作对的Q值,进而以强化学习模型完成雷达辐射源个体识别任务。讨论了深度Q网络模型、深度双Q网络模型以及Dueling Network模型3种深度强化学习模型在辐射源识别任务中的应用。实测数据仿真实验表明：传统机器学习算法的识别率不足80%,而深度强化学习网络的识别率高达98.42%.     

基于FPGA的雷达脉冲压缩系统设计

在分析雷达数字脉冲压缩技术的基础上,给出一种基于FPGA芯片XC2V1000为核心的并行高速实时数字雷达脉冲压缩系统的方案,介绍了系统的硬件结构以及软件模块,并给出了MATLAB仿真和FPGA输出结果的对比图。     

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.     

基于雷达高分辨距离像序列识别的研究综述

为了解雷达目标更多的详细信息,对基于高分辨距离像(high resolution range profile,HRRP)序列的目标 识别方法进行分析。对隐马尔可夫模型(hidden Markov model,HMM)、卷积神经网络(convolutional neural network, CNN)、循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)等面向序 列识别的分类器进行阐述和讨论,分析不同分类器用于HRRP 目标识别的发展历程,指出不同识别方法的优缺点及 适用性条件。结果表明,该研究可为不同识别场景下应用合适的分类器提供一些思路。     

正交离散子波变换在毫米波雷达目标识别中的应用

该文详细阐述了子波变换的基本原理及快速算法,着重研究其在毫米波非相干雷达目标识别中的应用。模拟结果表明,本文提出的方法运算简便,数据压缩能力强,提取的特征稳定,目标分类效果好。     

基于残差重构网络的射频信号个体识别

针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别 方法。通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯 度消失的优势,重构残差网络,并将其作为射频信号个体识别的核心网络模型;通过固定每层网络的通道数,实现 减少模型参数量,达到神经网络轻量化目的。实验结果表明：与ResNet18 方法相比,该方法针对30 个目标信号的 个体识别率提升了约3.8%,模型大小降低了13 倍,能较好地解决模型压缩与识别算法性能无法平衡的问题。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

基于机器学习的雷达辐射源识别研究综述

回顾和介绍了复杂雷达信号环境下辐射源智能化识别的相关机器学习理论的发展历程;对近年来基于机器学习理论的雷达辐射源识别技术研究状况进行了综述;在已有研究的基础上,着眼于提高小样本学习能力和新型雷达识别能力的发展需要,提出了基于机器学习理论的雷达辐射源识别技术的主要研究方向和难点问题,并对相应的解决方法进行了讨论。     

基于深度残差网络的ADS-B信号辐射源个体识别

针对传统依赖于人工提取的专家特征难以表征辐射源个体信号的细微差异问题,提出了一种基于深度残差网络(DRN)的辐射源个体识别算法.利用深度残差网络完成分类识别任务,将实测信号的同相分量(I路)和正交分量(Q路)输入到深度残差网络中进行训练.在包含不同飞行目标的ADS-B信号实测数据集上进行实验以评估该算法的性能.实验结果...     

雷达组网多目标跟踪系统的设计与实现

雷达组网多目标跟踪系统采用加权最小二乘估计估计目标的初始状态,其数据关联采用最近邻算法,假设观测误差为高斯噪声且各个传感器之间相互独立,先计算量测点与系统航迹的标准化距离,再判断某个量测是否与某个航迹相关联,选择标准距离最小的系统航迹与量测点配对,用此量测点对系统航迹进行更新。系统跟踪滤波则采用加权最小二乘滤波算法,仿真试验表明,该系统可有效地对组网雷达条件下的多目标进行跟踪。     

分布式多移动机器人系统中个体控制程序设计

采用模块化方法设计分布式多移动机器人系统中的个体机器人控制程序,包括传感器及其数据处理、世界模型、决策、执行、仲裁和通信等模块.其每个传感器信息处理模块作为整个控制程序的一个子线程,独立地处理对应传感器信息后将数据送给世界模型;决策模块则由态势分析、上层策略、知识库、底层策略和动作控制策略库等子模块组成.     

CI 原理与系统识别设计

精练的阐述了ＣＩ原理与设计方法，应用及其前景，并对引信行业ＣＩ现状和对策进行阐述。     

模型辩识实验中采样间隔的最优化设计

介绍了模型辩识理论的发展及应用.主要探讨了时间连续定常系统转化为离散定常系统的最优化采样间隔方法,并简要分析了预采样滤波器的设计,从而进一步提高参数估计的精度.     

雷达电子战半实物仿真系统

介绍了一种雷达电子战半实物仿真系统。该仿真系统采用注入式工作方式,可以模拟较逼真的电子战电磁环境,配置了6路目标回波模拟通道,4路有源干扰注入通道,还具备支援干扰注入通道和无源干扰通道。系统能够以较高的逼真度完成多台、多种体制电子干扰装置和无源干扰装置干扰效果的实验室仿真评估。     

高频超视距雷达系统发展现状及趋势

以高频超视距雷达系统为研究对象,结合该系统的最新技术成果,阐述了该系统的分类及发展现状,分析了该系统的未来发展趋势及展望,在此基础上,针对我国该系统的需求,在其研发生产、使用配置上提供一定的参考。     

导引头伺服系统仿真的可信度评估

基于相似理论的基本原理,讨论了系统仿真的可信度问题,提出了基于相似理论和层次分析法的可信度评估方法,对导引头伺服系统的仿真进行了可信度评估.     

激光引信目标识别及抗干扰设计

激光引信由于其特有的优点，在空空导弹上得到了日益广泛的应用。如何在满足一定启动概率的前提下，解决好目标识别和抗干扰这一对矛盾是激光引信设计必须面对的问题。文章从系统设计的角度提出了目标识别和抗干扰的措施和方法。     

基于SEA的炮兵雷达侦察系统效能分析

以雷达的侦测定位和数据处理传输功能为基础,运用SEA方法将炮兵雷达侦察的系统、环境、使命三要素相结合进行效能分析。分析信息量的获取和数据处理传榆准确性2个功能,通过比较系统获得的信息量与使命要求的信息量,求得侦察系统获取信息量的比率,进而对雷达侦察系统的效能进行评估。模型进行检验,结果与实际情况相符。而对复杂的效能分析模型,可通过计算机仿真模拟侦察系统的作业过程,得到理想的结果。     

一种高分辨雷达目标识别方法的研究

探讨了高分辨率雷达视频回波特征提取及识别方法。鉴于时域视频回波波形特征变化较快，不适合作为目标特征进行识别。回波频域的波形（频谱）相差不大，为了提高谱的分辨率，本文提出对回波信号作Ｃｈｉｒｐ－ｚ变换，以提高谱的分辨率。理论分析与实验结果均表明以回波信号的Ｃｈｉｒｐ－ｚ变换作为目标特征优越性。以ＢＰ网络作为分类器，对两类目标进行了识别，仿真结果说明了此方法的有效性。