针对非均衡样本的雷达字提取算法

雷达字作为构成雷达短语的基元,其提取效果的好坏将直接影响后续雷达行为辨识的可信度。针对侦收数据不均衡情况下的雷达字提取问题,提出一种基于K-means算法改进的K-OPTICS雷达字提取算法。通过构建虚拟聚类中心和簇合并的方法,使其在各种样本不均衡的仿真场景下仍能取得91.22%以上的提取准确率,较传统算法具有更好的参数不敏感性。     

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...     

基于规划步数自适应Dyna-Q 的多功能雷达干扰决策方法

针对基于强化学习的干扰决策方法存在着收敛速度过慢的问题,在Dyna-Q 算法的基础上提出一种规划 步数自适应的Dyna-Q 干扰决策算法。在保证干扰策略有效性的前提下,提升强化学习算法的收敛速度,使算法能 以更快的速度学习到最优干扰策略。实验与仿真结果表明：该算法能实现多功能雷达干扰的实时有效,也可扩展到 其他强化学习应用领域,具有一定借鉴价值。     

基于强化学习的雷达干扰决策技术综述

装备的认知能力集中体现了认知电子战的根本属性,也是能否对复杂、智能的电子装备实施有效干扰的关键.强化学习作为人工智能领域炙手可热的技术手段,具备不依赖先验数据的自学习能力,是解决多功能雷达干扰难题的一个重要途径.在回顾传统的雷达干扰决策算法的基础上,阐述了利用强化学习进行雷达干扰决策的原理,分析了基于强化学习的雷达干扰...