基于修正的M距离辐射源识别方法研究

提出了一种基于修正的M距离辐射源识别新方法。通过计算机仿真 ,验证了该方法的合理性与有效性     

改进粒子群算法在DOA估计中的应用

针对均匀线性阵列的相干信号波达方向（DOA）估计问题,提出了一种结合粒子群优化（PSO）算法和最大似然函数的解相干算法。算法充分利用了PSO算法解决优化问题的优势和最大似然测向的优点,对独立信号、相干信号或二者的混合信号的DOA都能进行有效的估计。为了提高估计性能,对标准PSO算法的惯性权重、最大速度和搜索机制进行了改进。仿真结果证明了改进算法的有效性。     

毫米波技术性能仿真研究

毫米波的频率介于微波与红外频段之间,兼有二者的优点,是精确制导武器系统较为理想的工作频段.介绍了毫米波技术的优点、环境条件对毫米波传输的影响以及在制导系统中的应用,对毫米波最大作用距离进行了研究与仿真.仿真结果表明,毫米波技术能够适应战斗导弹、巡航导弹等精确制导武器的军事需要.     

基于虚拟阵列扩展的DOA估计

讨论了基于虚拟阵列扩展的DOA估计问题,对此问题传统阵列处理方法主要利用高阶累积量进行阵列扩展,计算量较大。在四阶矩基础上,通过扩大阵列孔径和自由度解决信源数目较阵元数多的DOA估计问题,利用特殊矩阵对扩展阵列的冗余信息进行剔除,降低了计算复杂度,提高了计算效率。仿真结果验证算法高效可靠,为工程实现提供了理论基础。     

应用欠采样技术的多正弦波频率估计方法研究

为了解决高频段信号由于受到A/D转换器和后续信号处理器件运算速度和成本的限制,提出一种用欠采样获得Nyquist采样的信号处理方法。将信号分成两路进行欠采样,根据两路信号构造一个新信号,得到一个虚拟的Nyquist采样值,进行傅里叶变换,单信号时直接得到所估计信号的频率值;多信号情况下在得到各信号频率估计值的同时,会得到因频率“交叉”引起的虚假频率点,通过对双路傅氏变换的结果进行处理可以消除虚假频率点。仿真实验验证了该方法的有效性。     

基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法

提出了基于灰关联分析与D—S证据理论的多传感器雷达辐射源识别方法。该方法在单个传感器中运用灰关联分析法通过计算灰关联度给出该传感器关于识别框架的基本概率赋值,再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果表明该方法是可行的。     

基于DAE+CNN辐射源信号识别算法

针对利用卷积神经网络进行辐射源信号识别过程中时间复杂度高的问题进行研究,提出一种基于降噪自编码器和卷积神经网络结合的算法。首先对雷达辐射源信号进行短时傅里叶变换,获取时频图像;然后对图像进行灰度和阈值二值化处理,将处理后的图像向量化操作输入到降噪自编码器中,提取降噪自编码器隐藏层特征数据完成降维处理,再重构成图片矩阵输入到卷积神经网络中,利用常用的softmax分类器进行分类识别。通过仿真表明,添加降噪自编码器降维处理后的模型相比较原模型,时间复杂度大幅度下降,在SNR=-6 dB,识别效果能达到80%以上,与利用传统降维方式性能相比,识别效果明显提高。     

基于修正的M距离辐射源识别方法研究

提出了一种基于修正的M距离辐射源识别新方法。通过计算机仿真，验证了该方法的合理性与有效性。     

一种改进的并行处理SVM学习算法

支持向量机(SVM)解决小样本、非线性及高维模式识别问题有许多优势,但处理大规模数据集时训练速度缓慢.为此在循环迭代算法的基础上,提出改进的SVM学习算法.该算法将大规模数据集划分为若干个小数据集,然后并行的在各个小数据集上训练SVM,再采用合并算法对SVM进行两两合并,得到最终的SVM.最后通过仿真实验发现,改进的SVM学习算法可以加快训练速度,并具有较高的识别率.