排序方式: 共有12条查询结果,搜索用时 593 毫秒
1.
目标平台识别是雷达侦察任务中的一项重要内容。传统目标平台与辐射源识别结果关联方法未对目标配属辐射源的特征信息进行利用,存在着一定的模糊性。为此提出一种利用数据挖掘对辐射源与目标平台之间存在潜在关系进行挖掘的方法,并以此进行目标平台识别和可信度赋值。该方法实现简单,获得的结果可以直接参与多传感器融合的目标识别处理,具有较强的实用性。 相似文献
2.
3.
未知雷达信号的分选一直是雷达对抗情报处理中的难题。因此,提出了一种新的基于数据势场聚类的未知雷达信号分选方法。该方法无需预先指定分类数,利用信号参数之间的关联性自动进行聚类,以此达到分选的效果。同时方法适宜于处理大量数据,对噪声影响不敏感,无需先验知识支撑。最后,通过计算机仿真验证了该方法的可行性和有效性。 相似文献
4.
5.
现代密集信号环境中,随着复杂体制雷达装备数量的不断增多,雷达辐射源的识别面临越来越严峻的问题,提出一种新的基于模糊隶属度区间的雷达辐射源识别方法,仿真结果表明,该方法在不同信号环境下能够有效识别雷达辐射源。 相似文献
6.
7.
8.
9.
目标平台识别是雷达对抗侦察任务中的一项重要内容。现有的目标平台与辐射源识别结果关联方法未对目标配属辐射源的特征信息进行利用,存在着一定的模糊性。利用信息熵提取目标平台配属辐射源的特征信息,并以此对目标平台进行关联和可信度赋值。方法实现简单,获得的结果可以直接参与多传感器融合的目标识别处理,具有较强的实用性。 相似文献
10.
随着智能电网的不断发展,电力服务种类的多样化引出了不同的服务需求.5G中的网络切片技术,可以为智能电网提供虚拟化无线专用网络,以应对智能电网安全性、可靠性、时延性等方面的诸多挑战.考虑到智能电网的差异化服务特性,本文旨在使用深度强化学习(DRL)来解决智能电网的无线接入网(RAN)切片的资源分配问题.文章首先回顾了智能电网的背景以及网络切片技术的相关研究,随后分析了智能电网的RAN切片模型,并且提出了一种基于DRL的切片分配策略.仿真表明,本文所提出的算法能够在降低成本的同时,最大限度地满足智能电网在RAN侧的资源分配需求. 相似文献