基于理想排序的雷达信号识别效能评估方法

当前对雷达辐射源信号识别效能评估的研究处于起步阶段,没有一种很好的评估方法对其进行评估.为此,论文提出一种基于AH P-I2TOPSIS的雷达辐射源信号识别效能评估方法.该方法主要在以下三点对传统区间TOPSIS方法进行改进,以消除逆序问题:利用AHP方法计算指标权值;利用理论极值确定绝对正负理想点;利用区间距离计算评估方案到正负理想点的距离并改进贴近度计算方法,并将AHP-I2TOPSIS方法应用于雷达辐射源信号识别效能评估中得到新的雷达辐射源信号识别效能评估方法.最后通过评估实例证明论文所提方法能有效解决逆序问题,并能很好地应用于雷达辐射源信号识别效能评估中.     

一种新的雷达辐射源信号识别效能评估方法

针对当前雷达辐射源信号识别效能评估研究中指标权重设置不合理、评估技术繁杂、评估者意愿体现不明显等问题,提出一种基于RE鄄I2 VIKOR的雷达辐射源信号识别效能评估方法。该方法基于相对熵对指标进行组合赋权,并对传统VIKOR方法进行改进,定义区间型群体效用值、个体遗憾值与利益比率的计算方法,引入心态指数函数作为综合评估结果的排序准则。仿真分析表明,赋权方法所得权重有效合理,评估者根据个人心态及意愿通过对群体效用值和个体遗憾值的比例关系及心态指数进行实时调整,使评估结果更加符合评估者的实际需求。     

改进的雷达信号识别效能评估方法

针对以往雷达信号识别效能评估方法中评估指标选取模糊、指标权重设置单一、评估排序不合理的问题,提出了基于IAHP-Entropy-I2TOPSIS模型改进的雷达信号识别效能评估方法。其主要思路是基于识别率测试结果建立树状评估指标体系;采用IAHP和Entropy分别确定主观指标权重和客观指标权重,并通过线性组合方法确定综合权重;运用区间型多属性决策的夹角度量法改进区间TOPSIS得到I2TOPSIS并依此进行评估排序。最后通过实例仿真,验证了所提方法的有效性。     

基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法

针对同型多目标位置接近无法有效区分的问题,提出了一种基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法.根据雷达辐射源脉间参数计算待识别雷达信号与已识别雷达信号的参数关联度,若关联度小于阈值则认为是不同雷达,否则认为是同型雷达则利用最近邻分类算法通过计算待识别雷达目标位置点与已识别雷达目标历史航迹点的距离来判决待识别...     

雷达辐射源信号识别结果评估方法研究

针对雷达辐射源信号识别结果评价方法杂乱,指标单一等问题,提出一种新的信号识别结果评估体系结构,将识别率测试结果引入到雷达辐射源信号识别结果评估中,构建了基于识别率测试结果的雷达辐射源信号识别结果评估指标体系,建立了评估指标的层次结构模型,应用模糊综合评价法对识别结果进行评估,并对三种识别方法进行了计算机仿真评估实验,验证了新方法的可行性.     

自动目标识别系统的区间评估分值模型及算法

针对自动目标识别(ATR)系统评估的迫切需求和特点,提出了一种区间评估分值模型,借助多属性决策分析理论构建了适用于ATR系统的评估模式,并给出了两个具体的区间分值评估算法.基数区间分值评估算法基于价值理论,通过确定评估对象属性的价值函数并加权形成基数区间评分值,定量评价ATR系统满足决策者主观价值需求的程度;序数区间分值评估算法基于TOPSIS法思想,通过计算评估对象与理想点和负理想点的距离差距,综合生成序数区间评分值,定量指示各个ATR系统距离理想系统的相对差距程度.运用所提出的两种评估算法对6个空地ATR系统进行了实例操作,评估结果表明所提模型及算法合理、直观.     

雷达信号识别效果的模糊综合评价研究

雷达辐射源识别是电子对抗情报系统中的关键技术之一,对其识别效果进行科学的评估是一项全新的课题。以往大多数学者评价雷达信号识别方法的好坏主要是比较识别率的高低。针对雷达辐射源识别效果评估指标单一等缺点,选取识别时间、识别率测试结果的均值和方差作为评估指标,将模糊综合评价法引入雷达辐射源识别效果的评估,提出基于模糊综合评价的雷达信号识别效果评估方法,并通过计算机仿真,对三种识别方法进行了评估实验,验证了该方法的可行性。     

雷达辐射源信号识别效果评估指标体系构建

建立合理的识别效果评估指标体系是实现雷达辐射源信号分选识别效果评估的前提。针对雷达辐射源识别效果评估指标单一等缺点,将识别率测试结果这一概念引入到雷达辐射源信号识别效果评估中,构建了基于识别率测试结果的雷达辐射源信号识别效果评估指标体系,最后建立了评估指标的层次结构模型。     

复杂系统电磁兼容评估的改进TOPSIS方法

本文针对复杂系统电磁兼容要素特点和传统TOPSIS无法实现评估结果重用的问题,建立了其系统评估贴近度模型,确定了基于ANP(网络层次分析)的网络分层指标赋权策略,采用基于历史数据库样本统计方法确定的广义基准点替代传统TOPSIS方法仅在待评估方案中确定的正负理想点,应用加权距离算子实现电磁兼容综合评估;最后通过某车载通信系统的评估实例,验证了方法的正确性.     

一种基于模糊隶属度区间决策的雷达辐射源识别方法

现代密集信号环境中,随着复杂体制雷达装备数量的不断增多,雷达辐射源的识别面临越来越严峻的问题,提出一种新的基于模糊隶属度区间的雷达辐射源识别方法,仿真结果表明,该方法在不同信号环境下能够有效识别雷达辐射源。     

基于脉内特征参数的雷达信号调制方式识别方法

研究了一种识别辐射源脉内调制方式的方法。该方法运用分形维数和相像系数作为辐射源信号的脉内特征,提出了基于模糊综合评估获取特征的基本概率赋值,然后运用D-S证据理论进行多脉冲数据融合,从而识别辐射源信号调制方式的方法。基于本方法的辐射源脉内调制方式识别方法通过仿真试验表明,其正确率高,具有一定应用价值。     

一种低信噪比下雷达辐射源识别方法

针对低信噪比下雷达辐射源信号分类,首先提出了基于高阶累积量和小波包变换相结合的特征提取方法,然后设计支持向量机分类器,并运用粒子群优化算法对分类器的参数进行寻优,最终实现对雷达辐射源信号的自动分类。仿真实验结果表明,在信噪比为-4dB时,6种雷达辐射源信号的平均识别率仍能达到93.83%,在低信噪比环境下取得了较为理想的分类效果。     

基于带宽比特征的雷达辐射源信号识别

提出了用信号带宽比特征识别雷达辐射源的新方法。通过两次对雷达辐射源信号进行平方处理,提取两次处理前后信号带宽的比值组成二维特征向量。利用四种常见的雷达辐射源信号进行的仿真实验结果表明,带宽比特征类内聚集性强,类间分离度大,能达到非常满意的正确识别率,证实了所提方法的有效性。     

基于时差多参分选的多层感知器网络脉间识别

现代战争中,雷达系统发展迅速。为识别复杂的雷达信号调制模式以及混合体制雷达,该文提出一种基于多站获取脉冲时差参数联合其他脉冲描述字分选的办法,利用多层感知器神经网络得到脉间调制识别结果。该文通过时差参数与其他脉冲描述字去交错解决传统脉冲重复周期估计算法无法对复杂的脉间调制方式进行估计。利用训练好的多层感知器,获取完成去交错后的脉冲序列其特征向量,获得其脉间调制类型识别。通过实验仿真,在脉冲丢失率不高于20%情况下,对复杂脉间调制方式的正确识别概率在90%以上。     

一种改进的TOPSIS法雷达干扰效果评估

针对标准逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)在雷达干扰效果评估中存在受数据波动影响和对数据规律分析不充分的问题,提出了一种改进的TOPSIS法。该方法结合TOPSIS法和灰色关联分析理论对原始数据进行分析,并组合2种方法的评估结果作为最终的评估结果,弥补了TOPSIS法在雷达干扰效果评估中的缺陷,仿真实验验证了该方法的有效性。     

基于IVIF-VIKOR的雷达辐射源信号分选识别特征性能综合评价方法

为解决雷达辐射源信号分选识别特征评价不够客观和缺乏评价依据等问题,提出了一种基于区间模糊原理、模糊交叉熵和多准则折衷法的特征评价方法. 首先通过区间模糊原理建立信噪比分级评价模型,并基于汉明距离进行寻优得出信噪比权重;其次结合信噪比权重和区间直觉模糊加权平均算子将分级模型整合成群决策矩阵,使用熵最大化法计算属性权重;最后基于多准则折衷法框架,采取模糊交叉熵实现特征方案排序. 仿真实验结果表明,所提方法能够给出与实际仿真实验相一致的分选识别特征评价排序结果,并优于逼近理想点方法,验证了所提方法的可行性和有效性.     

基于神经网络的未知雷达辐射源智能识别技术

提出了一种基于神经网络的未知雷达辐射源智能识别方法,该方法以实际中获得的雷达信号参数为基础,训练神经网络,对未知雷达参数进行预测识别,给出可能的工作状态,并分析其威胁程度.仿真实验表明,该方法是有效可行的,为工程上实现未知雷达辐射源的识别提供了一种新思路.     

基于云模型的DSm证据建模及雷达辐射源识别方法

为了提高雷达辐射源特征参数存在互相交叠和多个模式情况的雷达辐射源正确识别率,该文提出一种基于云模型的DSm(Dezert-Smarandache)证据建模及雷达辐射源识别方法。该方法首先将存在互相交叠和多个模式的先验雷达辐射源特征参数进行基于云模型的DSm建模,然后将含有噪声的测量信号特征参数进行基于云模型的DSm隶属度赋值,再通过隶属度与基本信度赋值的关系求得DSm模型的基本信度赋值,最后通过DSmT+PCR5的方法将多传感器测量信号的同特征的基本信度赋值进行融合,再将各特征的融合结果进行DSmT+PCR5融合得到最终的识别结果,如果仅为单传感器测量信号的特征参数,则仅将不同特征参数的基本信度赋值进行DSmT+PCR5得到融合识别结果。最后通过多种情况下的仿真实验,验证了该文方法的优越性。