突防过程中组网雷达辐射源威胁等级评估

针对组网雷达工作的复杂性,为快速有效地判断出网内各雷达辐射源的威胁程度,论文以电子干扰机掩护战机突防为背景,当干扰资源有限时,针对如何选择优先干扰对象,研究了战机突防过程中的组网雷达辐射源威胁等级评估问题,论文充分考虑各雷达的战术威胁度、探测威胁度及其在组网系统中的重要性,构建了组网雷达辐射源威胁等级评估指标体系,并给出各指标的量化模型,提出了基于AHP的组网雷达辐射源威胁等级评估算法,最后通过实例验证了该方法的有效性。     

粗糙集在雷达辐射源识别中的应用

雷达辐射源识别既是雷达侦察系统中信号处理的重要内容,同时又为判断敌方武器威胁、战场态势评估提供依据。为准确解决辐射源识别问题,研究了粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对决策表进行约简,减少了属性个数;并建立了一种基于粗糙集数据处理的雷达辐射源识别模型。最后用软件ROSE2对决策表进行属性值约简、提取规则,从而进一步识别新的雷达辐射源,结果验证了算法的合理性。     

基于直觉模糊集的辐射源威胁评估方法

直觉模糊集理论扩展了经典模糊集的表达能力,给辐射源威胁评估问题提供了一种新的解决方法。在构建辐射源威胁评估指标直觉模糊隶属函数的基础上,重新明确了辐射源威胁评估问题中直觉模糊集的定义。然后基于从整个直觉模糊集的角度确定弃权部分再分配比例的研究思路,提出一种改进的加权记分函数方法,较好地解决了辐射源威胁评估问题。通过算例表明了方法的有效性。     

雷达辐射源信号识别效能评估的I2TOPSIS方法

针对雷达辐射源信号识别效能评估方法杂乱,指标模糊等问题,提出一种基于I2TOPSIS雷达辐射源信号识别效能评估方法。该方法主要在以下三点对传统区间TOPSIS方法进行改进:利用熵值计算指标权值;利用理论极值确定正负理想点;利用区间距离计算评估方案到正负理想点的距离,并将I2TOPSIS方法应用于雷达辐射源信号识别效能评估中得到一种新的雷达辐射源信号识别效能评估方法。最后通过与传统区间TOPSIS方法的评估对比实验证明新方法所得结果更合理、可行。      

高功率微波辐射源对抗反辐射导弹的技术探讨

现代战争中ARM对雷达的威胁越来越严重，本文简要探讨了一种用高功率微波辐射源辐射源对抗ARM的方法。     

基于理想排序的雷达信号识别效能评估方法

当前对雷达辐射源信号识别效能评估的研究处于起步阶段,没有一种很好的评估方法对其进行评估.为此,论文提出一种基于AH P-I2TOPSIS的雷达辐射源信号识别效能评估方法.该方法主要在以下三点对传统区间TOPSIS方法进行改进,以消除逆序问题:利用AHP方法计算指标权值;利用理论极值确定绝对正负理想点;利用区间距离计算评估方案到正负理想点的距离并改进贴近度计算方法,并将AHP-I2TOPSIS方法应用于雷达辐射源信号识别效能评估中得到新的雷达辐射源信号识别效能评估方法.最后通过评估实例证明论文所提方法能有效解决逆序问题,并能很好地应用于雷达辐射源信号识别效能评估中.     

辐射源威胁等级评估技术研究

介绍了影响辐射源威胁等级的各种因素辐射,针对辐射源威胁等级评估具有模糊性,没有明确的界限等特点,提出利用古林法(A.J.Kee)确定各辐射源威胁因素的权值,给出了各威胁因素的隶属函数,基于此建立了辐射源威胁等级的评估模型。最后,用实例对模型进行了验证,结果表明该模型是评估辐射威胁等级的一种有效方法。     

雷达辐射源信号识别结果评估方法研究

针对雷达辐射源信号识别结果评价方法杂乱,指标单一等问题,提出一种新的信号识别结果评估体系结构,将识别率测试结果引入到雷达辐射源信号识别结果评估中,构建了基于识别率测试结果的雷达辐射源信号识别结果评估指标体系,建立了评估指标的层次结构模型,应用模糊综合评价法对识别结果进行评估,并对三种识别方法进行了计算机仿真评估实验,验证了新方法的可行性.     

基于神经网络的未知雷达辐射源智能识别技术

提出了一种基于神经网络的未知雷达辐射源智能识别方法,该方法以实际中获得的雷达信号参数为基础,训练神经网络,对未知雷达参数进行预测识别,给出可能的工作状态,并分析其威胁程度.仿真实验表明,该方法是有效可行的,为工程上实现未知雷达辐射源的识别提供了一种新思路.     

雷达信号识别效果的模糊综合评价研究

雷达辐射源识别是电子对抗情报系统中的关键技术之一,对其识别效果进行科学的评估是一项全新的课题。以往大多数学者评价雷达信号识别方法的好坏主要是比较识别率的高低。针对雷达辐射源识别效果评估指标单一等缺点,选取识别时间、识别率测试结果的均值和方差作为评估指标,将模糊综合评价法引入雷达辐射源识别效果的评估,提出基于模糊综合评价的雷达信号识别效果评估方法,并通过计算机仿真,对三种识别方法进行了评估实验,验证了该方法的可行性。     

基于UTADIS法的辐射源威胁等级判定

辐射源威胁等级判定是电子对抗领域的重要研究课题,针对现有的不足,利用多准则分类的效用加性判别(UTADIS)法,建立了一种辐射源威胁等级判定方法。结果表明,利用UTADIS法能够准确合理地判定辐射源威胁等级,能够体现决策者偏好信息,还能更精确地估计辐射源威胁程度。该方法在性能和实用性方面具有优势,是一种新的判定途径。     

基于D／S证据理论的辐射源威胁等级评判

辐射源威胁等级评判是电子战专家系统重要组成之一,D/S证据理论具有多数据源不确定信息推理和融合特点,符合人类思维决策过程.根据辐射源威胁因素和判断准则建立辐射源威胁等级评判体系,研究将隶属度函数表述威胁程度的模型改为区间分布表述的基本可信度函数模型,给出基本可信度函数值的归一化计算方法,使之符合D/S证据理论可信度分布函数要求.最后,用实例对模型进行了验证,结果表明D/S证据理论是评估辐射源威胁等级的一种有效方法.     

自提取模板序列机载雷达威胁告警算法

针对机载雷达如何实现快速威胁告警这一问题,基于模板序列的描述方式,提出一种自提取模板序列威胁告警算法实现对截获敌方雷达信号的快速提取,算法利用同种雷达信号脉冲之间的匹配相关性,通过脉冲的整体平移,在实现对模板序列自提取的同时,把用此模板序列描述的雷达辐射源信号提取出来,从而对该雷达进行威胁告警。仿真实验表明,在有脉冲漏失的信号环境中,文中算法处理脉冲信号与传统多参数统计方法性能相当,可以获得较高的成功率。     

基于回归神经网络的雷达辐射源识别算法

本文在研究带偏差单元内部回归神经网络（Internally Recurrent Net,IRN）算法的基础上,分析了雷达特征参数和雷达威胁类型的内在联系;利用统计分析和特征建模的方法获取先验知识、设计分类器并求取模糊隶属函数,结合IRN自学习特性和模糊隶属函数的分类功能识别出目标雷达辐射源可能的威胁类型,给出识别可信度。     

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

战场辐射源识别已成为电子侦察和雷达威胁告警的基本要素,其关键技术之一——辐射源特征聚类算法的研究也显得日益重要。在分析常用误差反传（BP）网络算法对辐射源特征聚类的不足后,提出利用基于粒子群优化的神经网络算法对多特征参数进行聚类。通过比较该优化算法和传统BP网络算法在聚类正确率和收敛速度方面的差别,验证了基于粒子群优化的BP算法在辐射源特征聚类中相对于传统BP算法的优越性,仿真结果证明了该方法具有较好的实用价值。     

基于威胁评估的双基地R站配置预测

双基地R站未知,传统的干扰手段很难对其取得理想的干扰效果。如果进攻方能够基于自身突防航线对R站配置位置作出大致预测和估计,进而实施针对性干扰,将可大大降低来自双基地系统的探测、定位与跟踪威胁。基于上述考虑,提出了一种基于威胁评估的双基地R站配置预测方法。该方法基于"R站对突防航段的威胁越大,则雷达方在该处作实际配置部署的可能性就越大"。这一前提和假设,研究了已知航线条件下的R站威胁评估模型,给出了配置预测区域的仿真绘制方法,仿真结果可为电子干扰决策提供依据。