基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法 ,包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明 ,该方法有着良好的识别效果     

基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法．包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明，该方法有着良好的识别效果。     

基于GMM和神经网络的辐射源识别方法

针对基于截获雷达脉冲特征参数的辐射源识别问题,通过建立一个高斯混合模型(GMM),采用最大化期望(EM)方法对模型参数进行训练,构建了一个输入为截获雷达脉冲特征参数,输出为雷达辐射源类型的分类器。同时,为实现对分类识别性能对比,进一步提出基于神经网络方法构建雷达辐射源类型分类器。仿真试验结果表明,基于GMM和神经网络构建的两种分类器均能实现对雷达辐射源的在线识别,且当用于训练的样本比例不低于10%时,均能获得90%以上的分类正确率。     

雷达辐射源识别专家系统中的推理机设计

从雷达辐射源识别的特点出发，采用面向对象的方法分析了雷达辐射源识别专家系统的推理机的工作原理，给出了推理机的设计思想。介绍了识别的基本步骤；分析了事实库查询识别和规则推理优缺点，主要采用规则推理。给出了推理机的工作原理、推理方向和推理控制策略等。最后采用不精确推理中的确定性理论进行推理实现。应用结果显示，如此设计的推理机可以提高雷达辐射源的机器识别率。     

雷达与红外数据融合的近距空中目标识别

为了提高传感器目标识别性能和近距空中目标识别准确性,结合雷达和红外传感器提出了一种目标融合识别模型：对于雷达传感器,提出基于参数学习贝叶斯网络的目标识别方法,首先采用EM算法对贝叶斯网络进行参数优化,然后根据获取的目标属性信息进行目标分类;对于红外成像传感器,采用基于小波矩特征的目标识别方法,首先对目标图像进行小波矩特征提取和选择,然后通过建立的BP神经网络分类器进行目标分类;最后通过D S证据组合法则对两部分识别结果进行融合处理,实现了基于雷达和红外数据融合的近距目标识别。仿真结果表明：和单传感器相比,所提出的模型可以更加精确地进行目标识别。     

基于知识库的雷达辐射源识别专家系统

从分析雷达辐射源识别的特点出发，提出了基于知识库的雷达辐射源识别专家系统。讨论了系统总体结构模型和面向对象模型。根据系统要求建立了数据库；积累案例形成案例库；获取专家经验及领域知识建立了规则库；依据知识层次结构建立了模型库，这四库一体化形成专家系统。介绍了基于案例、基于规则和基于模型的推理方法，比较了各种推理方法的优、缺点，并提出了基于案例、规则和模型的混合推理。最后给出了系统的功能和实现方法。应用证明基于知识库的雷达辐射源识别专家系统可以得到与专家同样的结果。     

基于粒子群优化的神经网络算法在辐射源特征聚类中的应用

战场辐射源识别已成为电子侦察和雷达威胁告警的基本要素,其关键技术之一——辐射源特征聚类算法的研究也显得日益重要。在分析常用误差反传（BP）网络算法对辐射源特征聚类的不足后,提出利用基于粒子群优化的神经网络算法对多特征参数进行聚类。通过比较该优化算法和传统BP网络算法在聚类正确率和收敛速度方面的差别,验证了基于粒子群优化的BP算法在辐射源特征聚类中相对于传统BP算法的优越性,仿真结果证明了该方法具有较好的实用价值。     

基于模糊匹配和神经网络的雷达辐射源识别技术

目前常用的雷达辐射源识别方法是数据库比较查询法．该方法实现简单,易于工程实践,但其识别效率取决于数据库的容量和质量．即对先验知识的依赖性强,缺少推理．灵活性差,特别是对于许多新体制雷达信号无法很好地识别。将利用模糊匹配和RBF神经网络两种算法,设计一种识别系统,该识别系统能够较好地识别复杂体制雷达信号,能应对目前雷达辐射源数据库不完善的实际情况。实验仿真表明,该识别系统具有较高的识别率,是一种可行的雷达辐射源识别方法。     

基于径向基概率神经网络的雷达辐射源信号识别

雷达辐射源信号识别是电子情报系统和电子支援系统的重要组成部分。文章提出一种基于径向基概率神经网络的雷达辐射源信号识别方法，通过对几种典型雷达辐射源信号复杂度特征提取和采用径向基概率神经网络分类器进行分类识别的实验结果表明，文章所提出的方法是有效的，能在较宽的信噪比范围内获得满意的识别率。     

基于脉冲样本图的雷达辐射源识别新技术

现代雷达信号体制越来越复杂,使得现有的雷达信号特征描述方式很难有效地对复杂体制辐射源进行描述分析。为解决复杂体制雷达辐射源的识别问题,文章提出了一种新的雷达信号描述方式——脉冲样本图,并设计了一种可以对其进行分类识别的BP(Back Propagation)网络。仿真实验表明该网络可以对脉冲样本图进行有效识别,为解决复杂体制雷达辐射源的识别提供了新思路。     

基于脉间特征深度学习的雷达辐射源识别

多功能雷达在复杂程序调度下,发射信号参数呈现取值范围宽、捷变速度快、变化随机性强等特点,非合作接收方难以对其建立有效的信号模型,给电子侦察系统的雷达辐射源识别带来严峻挑战。本文提出一种基于深度学习的复杂体制雷达辐射源识别方法,利用大样本全脉冲数据形成脉间参数变化的图像特征表示,从宏观上揭示雷达辐射源隐含的波形设计机理,并设计了基于AlexNet网络的图像特征深度学习网络开展辐射源识别,实测数据实验表明了本文的方法对一定时间跨度内的有限部同型多功能雷达具有良好的识别性能,为多功能雷达辐射源智能个体识别提供了新的解决思路。      

采用粗BP神经网络和D-S证据理论的目标识别

为克服传统的目标识别方法的不足,提高目标识别的实时性和准确性,提出将粗BP神经网络与D-S证据理论相结合的识别模型.在多传感器数据融合中利用粗集理论对大量的传感器数据进行处理,对输入信息进行约简,剔除冗余信息,简化了生成规则和BP神经网络模型结构,提高了网络训练速度和运行速度.以BP神经网络输出作为证据,后端对不同传感器的证据用D-S证据理论进行融合,得到待识别目标的识别概率.实验表明该模型减少了识别的主观因素,简化了BP神经网络结构,提高了运算速度和识别效果.该混合模型有比较好的应用前景.     

基于Matlab的BP神经网络结构与函数逼近能力的关系分析

人工神经网络是一种非线性动态数学模型,广泛应用于非线性系统建模、系统辨识、函数逼近等方面。介绍BP网络的结构和学习过程,并介绍利用Matlab人工神经网络工具箱设计BP网络的步骤,在此基础上设计了BP网络以验证其函数逼近能力,仿真结果说明了BP网络具有很强的函数逼近能力。并分析BP网络结构和函数逼近能力的关系,得出网络的结构直接影响网络对函数的逼近能力和效果。     

一种基于BP网络的雷达信号模糊模式识别方法

研究一种采用BP神经网络获取模糊隶属度,结合判决原则进行判决的雷达信号模糊模式识别方法,包括神经网络的结构设计、推理和学习算法设计、编程算法设计、实验结果分析等,并通过实例分析说明该方法的有效性。     

一种高分辨率雷达二维图象的特征提取与目标识别方法

本文首先分析了雷达目标散射信号特征,在此基础上,根据雷达图象的特点,采用矩描述方法提取二维雷达图象特征;然后,通过ＢＰ神经网络训练识别。最后,分析了不同雷达散射信号与建库、识别的关系。     

神经网络在辐射源识别系统中的应用

作者针对当前辐射源识别系统中存在的问题,提出了一种结合神经网络技术的辐射源识别新方法。该方法可以快速高效地识别各类辐射源,既有基于统计分析的辐射源识别系统的快速性,又有基于专家系统的辐射源识别系统的自适应性和准确性。实际仿真结果表明该方法是有效的。     

基于改进CBR的天气雷达故障诊断专家系统的研究

新一代天气雷达的出现,增加了雷达控制系统的复杂度和故障诊断的难度,为了保证天气雷达系统工作的可靠性和维修性能,设计了一种基于改进案例推理(CBR)的天气雷达智能故障专家诊断系统。首先,介绍了CBR的雷达故障诊断原理;然后,给出了利用相似距离函数和BP神经网络匹配法进行故障诊断的方法,并且讨论在CBR中如何加入硬件更换调整参数数据库。重点针对CINRAD/CC雷达天线伺服系统中的硬件特点,详细介绍了雷达伺服系统中电机驱动器及电机故障的CBR方法,以及硬件更换后对参数进行检测、设置的专家指导方案。详实的3个CINRAD/CC雷达故障诊断案例表明了该故障诊断专家系统的有效性与实用性。     

雷达信号识别的GANN方法

利用神经网络方法进行雷达信号识别存在两个问题,一是难以选择最优的网络结构;二是用传统的BP学习算法,常常收敛到局部解。本文提出一种GANN方法,即首先利用遗传算法优化两层前馈神经网络结构以确定中间隐层的节点数,然后用遗传算法进行学习。通过与BP算法相比较,遗传算法不仅速度快,而且能找到最优解。实验表明,将GANN应用于雷达信号识别,识别率更高。     

基于脉冲神经网络的雷达辐射源调制类型识别

面对日益复杂的电磁环境和层出不穷的新体制雷达,基于人工方式提取雷达辐射源特征难以满足现代认知电子战的需求.为提升雷达辐射源识别的智能化水平,提出一种新的基于脉冲神经网络(Spiking Neuron Network,SNN)进行雷达辐射源调制类型识别的算法.首先利用时频分析的方法,将5种常见雷达时域信号转换为二维灰度图...