雷达辐射源识别算法研究
【摘要】:
本文首先分析了雷达对抗所面临的威胁和目前国内外雷达辐射源的识别方法,讨论了最具有爆发性的新兴学科——人工神经网络技术在未来军事系统中所起的作用。随着科学技术的发展,现代雷达都具有较先进的反侦察和反干扰特性,现代电子战中采用识别方法的仍然是数据库或知识库比较查询的方法,这种方法的优点是实现简单,识别速度快,但这种方法的容错性和可靠性已经不能适应现代战争的需要。近而本文又提出一种雷达型号的三级识别模型,该模型将人工神经网络、距离╱模糊匹配和不确定推理与决策有效的结合起来,基本思路为:首先用神经网络进行粗分类,识别出雷达的体制,这样为进一步的雷达信号威胁识别打下了基础;然后通过距离/模糊匹配识别出该体制下的雷达型号;最后根据不确定推理与决策理论对不同空域和时域的数据进行融合。实验结果表明:该模型提高了数据融合中的雷达型号识别率和可靠性,显示了在强噪声、电磁信号日益密集环境下的良好应用前景。
本文采用神经网络雷达体制分类器方法,随着雷达数量增加时,神经网络存在着学习训练时间长和性能降低等问题。为了解决该问题,我们可以考虑采用子神经网络的思想,即把一个大的、复杂的神经网络的功能用几个简单的小神经网络来实现,这将是我们日后工作的一个研究方向。
|
|
|
|
1 |
袁学华,罗景青,俞志富;基于修正的M距离辐射源识别方法研究[J];电子对抗技术;2003年04期 |
2 |
黄知涛,卢启中,姜文利,周一宇;基于双门限检测的辐射源识别方法[J];系统工程与电子技术;2001年11期 |
3 |
杨博,徐晖,姜文利;辐射源识别中的决策融合方法研究[J];火控雷达技术;2005年01期 |
4 |
张国柱,姜文利,周一宇;神经网络在辐射源识别系统中的应用[J];电子对抗技术;2004年01期 |
5 |
曾志勇,王宝树,李芳社;数据融合中的辐射源识别技术[J];西安电子科技大学学报;1999年04期 |
6 |
王文;谢芳;;基于加权矢量神经网络的辐射源识别方法[J];舰船电子工程;2010年11期 |
7 |
杨秀婧,王宝树;基于改进的径向基函数神经网络的辐射源算法研究[J];电光与控制;2004年01期 |
8 |
王其红;;基于模糊RBF神经网络的辐射源识别[J];船电技术;2007年05期 |
9 |
解文斌,姜文利,黄勇杰,周一宇;脉冲编码信号的辐射源分类[J];电子对抗技术;2004年03期 |
10 |
何友,关欣,衣晓;基于属性测度的辐射源识别方法研究[J];中国科学E辑;2004年12期 |
11 |
王平军,姜宁;专家系统在电子攻击中的应用[J];航天电子对抗;2000年04期 |
12 |
陈东锋;雷英杰;潘寒尽;;基于模糊加权法的雷达辐射源识别[J];现代防御技术;2005年06期 |
13 |
游屈波;吴耀云;哈章;;辐射源识别系统中分类器设计及其应用[J];电子信息对抗技术;2011年03期 |
14 |
朱志宇;;基于模糊推理的雷达辐射源识别方法[J];火力与指挥控制;2009年04期 |
15 |
李玫;;基于小波包分析的辐射源特征提取和识别算法[J];电子元器件应用;2010年10期 |
16 |
关欣,何友,衣晓;一种新的雷达辐射源识别算法[J];宇航学报;2005年05期 |
17 |
李楠;曲长文;苏峰;平殿发;;基于多参数特征的辐射源识别技术[J];航天电子对抗;2009年04期 |
18 |
孙毓富;柴恒;吴扬;;基于粒子群优化的神经网络算法在辐射源特征聚类中的应用[J];舰船电子对抗;2010年03期 |
19 |
关欣;衣晓;孙迎丰;何友;;变精度粗糙集模型及其在辐射源识别中的应用[J];清华大学学报(自然科学版);2007年01期 |
20 |
李楠;曲长文;平殿发;苏峰;;基于分形理论的辐射源识别算法[J];航天电子对抗;2010年02期 |
|