基于多层次建模的机载相控阵雷达工作模式识别

针对机载相控阵雷达不同工作模式下脉冲信号的变化规律,提出了一种基于脉冲多层次建模的雷达工作模式识别方法.首先对辐射源进行脉冲等级、脉冲组等级、工作模式等级的参数联合建模,然后对工作模式等级的信息进行关联,并结合雷达对目标搜索、跟踪时数据率及接收信号幅值的变化规律,对机载相控阵雷达的工作模式进行识别.仿真实验表明,提出的脉冲多层次建模方法在对脉冲信号的不同层次进行准确描述的基础上,能够对机载相控阵雷达的工作模式进行识别.     

多功能雷达工作模式识别方法综述

阐述了多功能雷达工作模式识别的背景与意义,归纳了多功能雷达的典型工作模式。总结了目前国内外的识别方法,并结合工程应用中面临的问题对比分析了各类算法的优点与局限性,最后梳理出当了前多功能雷达工作模式识别领域面临的挑战和需要解决的若干问题。     

基于组合赋权TOPSIS的海上目标威胁评估

提出一种基于融合主客观信息组合赋权逼近理想解(Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS)的海上目标威胁评估模型。从目标的作战能力、活动情况和其他影响因素构建海上目标威胁评估指标体系;在层次分析法(Analytical Hierarchy Process, AHP)和熵权法的基础上运用线性加权组合法确定主客观综合指标权重;利用TOPSIS法计算各目标的正负理想解相对贴近度,获得目标的威胁度排序。通过仿真实例证明了所提海上目标威胁评估方法的有效性。     

雷达辐射源工作模式识别技术浅析

对雷达辐射源工作模式的准确识别是当前研究的重点课题之一。本文阐述了雷达辐射源工作模式识别在现代战争中的重要作用,描述了各种雷达辐射源工作模式的特点,并分析了可用于识别辐射源工作模式的信号特征参数的规律。最后指出了当前这一领域亟需解决的几点问题。     

基于多尺度注意力机制ResNet的雷达工作模式识别

雷达工作模式识别是解释雷达行为和功能的基本任务。现有方法难以在信号灵活、环境复杂的条件下筛除脉冲序列中不同空间和不同通道中的冗余信息。本文在深度残差网络的基础上,增加了空间自注意力模块和通道自注意力模块以适应上述信号特点。模型引入自注意力机制以实现雷达序列不同空间和通道的自适应权值分配,使网络能更有效地关注更具差异性的信息,实现了极端条件下雷达工作模式的高精度识别。同经典深度学习网络AlexNet、LeNet、VGGNet、ResNet以及常规深度卷积网络相比,该模型在0~50%漏脉冲条件下,平均识别率提升了36%,在独立测试集40%漏脉冲比例下模型仍然具备90%以上的识别率,证明了所提网络的优越性和有效性。     

基于波位的对空情报雷达工作模式识别方法

针对不能正确识别三坐标对空情报雷达工作模式造成的无法进行智能干扰的问题,提出一种基于波位建模的工作模式识别方法。首先,根据三坐标对空情报雷达处理杂波的特点,对工作模式进行划分;其次,进行建模分析和识别置信度计算;最后,利用D-S证据理论对多个传感器获得的信息进行融合,提高识别可信度。仿真结果表明:该方法能够实现对三坐标对空情报雷达工作模式的有效识别。     

基于博弈论组合赋权的TOPSIS电能质量综合评估

电能质量综合评估对电网实施有效治理和电力市场改革背景下供需双方进行交易价格的制定至关重要。为使电能质量的评估结果更接近实际,本文提出基于博弈论组合赋权的TOPSIS电能质量综合评估方法。首先根据建立的评价指标体系,采用三标法对传统AHP法进行改进,得到指标主观权重,再使用熵权法求取指标的客观权重;其次引入博弈论思想将主、客观权重进行线性组合,得到指标的最终权重;最后采用改进的TOPSIS算法进行电能质量的综合评估。通过算例验证了方法的可行性。     

基于FAHP组合赋权TOPSIS的电能质量综合评估

电能质量综合评估对配电网电能质量的有效管控及构建稳定电力市场环境下优质电能的合理定价至关重要.为充分挖掘各个评价指标的价值与信息,得到准确、符合客观实际的电能质量综合评价结果,提出一种基于组合赋权-理想解法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的电能质量综合评价方法.首先,建立电能质量评估体系,根据相关标准划分等级,利用模糊层次分析法和熵权法分别确定主观权重、客观权重,对主客权重进行组合得到评估指标的最终权重;其次,为解决指标间可能存在线性关系,使用基于夹角余弦的距离度量方式取代传统的欧式距离公式,建立改进的TOPSIS综合评估方法;最后,通过算例验证了该方法的可行性和可靠性.     

基于句法模式识别的雷达识别方法研究

针对参数相近的复杂体制雷达难以识别的问题,提出了一种基于句法模式识的雷达信号识别方法。该方法首先对已知雷达脉冲数据进行结构分析,用雷达脉冲序列参数作为句法识别中的基元进行描述,然后通过训练已知样本得出正则文法扩展生成式并构造一种多位有限态自动机作为识别器,最后选取雷达样本数据进行识别实验。理论分析和实验结果论证了该句法方法的可靠性和有效性。     

不同赋权TOPSIS制导系统设计决策比较

制导系统属于复杂非线性动力学系统,其设计参数决策需要结合系统仿真结果完成。对比研究了TOPSIS决策机制下采用经验赋权、层次分析法赋权和熵值赋权的制导系统设计参数决策问题。通过三种赋权方法决策的相对贴近度和极差结果分析,证实熵值赋权方法能正确反映系统动力学特性的复杂性,决策的可靠性好,而层次分析法赋权和经验赋权决策由于包含的主观因素很难正确反映设计参数对系统性能的本质性影响,不易得到最优决策结果。     

超视距雷达传播模式识别

超视距雷达传播模式识别是超视距雷达（ＯＴＨＲ）实战中必须解决的一个问题。本文对这一问题的计算机自动实现进行了探讨，并对实现中出现的具体问题提出了相应的解决方案。最后仿真验证了此方法的正确性。     

基于TOPSIS法的雷达抗干扰措施优化选取

雷达抗干扰措施优化选取是现代雷达智能抗干扰中一个重要的组成部分.文中提出了一种基于多属性决策的资源优化分配算法,即TOPSIS法.该算法可设定各因素权重以权衡抗干扰效益与抗干扰效率的关系.将该方法与基于0-1规划的资源优化分配算法进行仿真实验对比,结果表明TOPSIS在抗干扰效益与抗干扰效率上更具优势.     

基于半监督学习聚类数据标注的多功能雷达工作模式识别

对多功能相控阵雷达工作模式准确识别可为电子对抗决策提供依据,具有重要研究意义。现有工作模式识别方法主要基于已知标签的训练集,而实际中先验信息匮乏,数据标签难以获知,极大影响了工作模式识别性能。为此,提出了一种在少量先验信息辅助下基于半监督学习聚类实现未知数据标注的工作模式识别方法。首先根据聚类算法的内部评价指标和外部评价指标对比分析AP聚类(affinity propagation clustering)、DBSCAN聚类(density-based spatial clustering of applications with noise)和模糊C均值聚类(fuzzy C-means clustering, FCM)3种典型聚类算法的性能,验证了AP聚类算法性能最优,并将其应用于对截获数据的数据标注中。然后利用卷积神经网络对雷达工作模式进行识别,并与已知标签训练集下的网络进行对比,验证了基于AP聚类算法进行数据标注的可行性,提升了相较传统识别网络的抗噪性,为后续多功能雷达行为认知提供了基础。     

基于LSTM的雷达脉冲重复间隔调制模式识别

针对现有基于雷达脉冲重复间隔(PRI)调制模式识别性能受特征选择和门限设置影响较大的问题,提出一种基于长短时记忆网络的识别方法.该方法以脉冲时间序列为输入,不需要人工选择特征和设置门限,通过构建信号参数特征自动提取及PRI调制模式一体化识别的循环神经网络结构,训练获得最优的网络参数完成雷达信号调制模式识别.仿真结果表明...     

基于粗径向基网络的雷达信号模式识别

信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中关键性的一个环节。为解决雷达信号模式识别的问题,提出一种属性约简方法,将粗糙集和径向基网络耦舍建立新的识别模型,该模型充分融合了粗糙集和径向基网络的优势。通过实例仿真实验表明,该模型减少了识别的主观因素,简化了网络结构,比传统的粗糙集和BP网络结合的方法识别效果更明显,分类能力更强,具有很广阔的应用前景。     

基于赋权TOPSIS与灰色关联分析的风电场电能质量评估模型

为解决多风电场电能质量比较问题并得到客观准确的结果,提出了一种基于赋权的TOPSIS和灰色关联分析组合的评价模型.为统一评价标准,该模型在原始数据中依据国家标准加入最优和最劣样本.为兼顾主观赋权与客观赋权的优点,采用层次分析法与熵权法确定TOPSIS的指标权重,采用灰色关联度确定灰色关联分析指标权重.考虑到TOPSIS...     

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。