基于动态聚类分析的雷达载频模式识别

对雷达信号的载频模式进行识别的传统方法一般都是基于统计法的,但是往往识别效果并不理想。聚类分析方法是一种经典的模式识别方法,它原理简单,计算方便,可为雷达载频模式识别提供一种新的分析思路。通过对雷达信号的载频序列进行聚类分析,并根据聚类结果来对雷达信号载频模式进行识别,仿真实验验证了算法的有效性。最后在此基础上,使用动态聚类分析方法替换原来的聚类分析法,取得了更好的识别效果。     

IDSSRJ的多库动态交互集成模型

多库集成技术是当前开发智能决策支持系(IDSS)的关键技术之一。在智能雷达干扰决策支持系统(IDSSRJ)中,提出了一种应用动态数据交换(DDE)和动态连接库(DLL)技术来构建动态数据通讯通道,建立多库动态交互集成模型的方法,并详细介绍了这种多库动态交互集成技术。     

对机动目标单站无源定位的最大似然估计

研究了基于目标的信号到达方向和信号到达时问差信息，利用单个固定的无源侦察站，通过最大似然估计方法对机动目标进行定位的问题。首先建立了机动目标模型与观测方程，然后详细推导了定位算法，并进行了仿真实验。仿真结果表明，该方法具有定位精度高、算法稳定等优点。     

基于综合测频法的脉内特征分析

综合测频法通常由搜索测频法和非搜索测频法这两种体制的测频方法结合而成。非搜索测频法瞬时测频范围大,但测频精度较低;而搜索测频法的瞬时测频范围小、测频精度较高,通常用非搜索测频法来引导搜索测频法,以近似过零检测和小波变换方法为例,对低信噪比下的典型雷达信号进行了仿真分析,结果验证了综合测频法提取信号脉内特征的有效性。     

不均衡样本下的低分辨雷达目标识别算法

针对传统低分辨雷达目标识别算法在样本不均衡条件下目标识别率较低的问题,提出了基于分段损失函数的卷积神经网络(Convolutional Neural Network,CNN)低分辨雷达目标识别算法.算法首先使用CNN自动提取数据深层本质特征,然后通过引入衰减参数,使CNN在不同的训练阶段采用不同的损失函数,最后将损失反...     

小样本条件下基于数据增强和WACGAN的雷达目标识别算法

目前小样本条件下高分辨距离像雷达目标识别算法存在识别率较低、识别率稳定度较差等问题,对此,本文提出了基于数据增强和加权辅助分类生成对抗网络（Weighted Auxiliary Classifier Generative Adversarial Networks,WACGAN）的雷达目标识别算法.该算法首先根据雷达目标散射特性,通过时间镜像数据增强方法扩充数据集,然后将扩充数据集输入WACGAN,通过自动选择高质量的生成样本,使判别器在标签样本监督学习的基础上得到进一步优化,最后直接利用判别器实现对雷达目标的有效识别.仿真实验结果表明,本文算法在不增加识别时间的基础上,有效提高了小样本条件下对雷达目标的识别率和识别稳定度.     

智能决策支持系统应用于雷达干扰的研究

本文简要介绍了智能决策支持系统，并把它应用于雷达干扰的指挥决定过程，着重阐述了雷达干扰智能决策支持系统的基本结构及其主要功能。     

多维可变跟踪门SPRT无源跟踪起始算法

本文提出了一种基于多维可变跟踪门检测的序列概率比检验(SPRT)无源跟踪起始算法。该算法基于目标的多特征信息,构造多维动态可变的跟踪门,进行自适应跟踪起始检测;然后根据序列概率比检验准则进行轨迹确认,从而实现自适应跟踪起始。计算机仿真结果验证了该算法的正确性、有效性。     

基于波形自适应的认知雷达机动目标跟踪算法

从认知雷达的角度出发,综合考虑跟踪模型和波形选择,提出一种能够适应目标运动状态急剧变化的波形自适应机动目标跟踪算法。首先,将匀速运动模型和当前统计模型作为交互式多模型(IMM)的模型集,并结合贝叶斯理论提出一种时变转移概率的自适应IMM算法。然后,结合量测误差椭圆与目标状态预测误差椭圆正交理论,研究了基于基带脉冲波形模糊函数旋转的波形库实现方法并给出了波形自适应选择跟踪算法的具体步骤。仿真实验表明,所提算法能够适应目标不同加速度机动,雷达系统跟踪性能得到了较大幅度提升。     

基于ESM与ELINT信息融合的机载辐射源识别

本文深入研究了ESM和ELINT多传感器系统的机载辐射源识别方法.首先针对ESM系统提供的辐射源多特征信息,提出了基于模糊综合评估获取基本可信度赋值函数(BPAF)的方法;针对ELINT系统量测数据的特点,提出了基于灰关联分析的BPAF获取方法.在此基础上,研究了应用D-S证据理论进行多传感器信息融合,从而识别机载辐射源的原理.识别实例和对比实验表明,本文提出的BPAF获取方法是实用有效的,基于信息融合的识别正确率高.