基于动态聚类和合理性差别的证据理论改进算法

针对证据高度冲突时利用DS证据理论直接进行融合会得出不合理结果的问题,文中提出了一种新的证据融合方法.首先,利用动态聚类对证据进行分类,将含证据最多的类称为主类,其余类称为旁类.当旁类的证据个数与总的证据个数的比值小于或等于设定的阈值时,认为上述证据不合理并删除;当比值大于这一阈值时,则保留该旁类中的证据.然后,提出基于重心距离的方法确定剩余证据的可信度,求出期望证据,最后对其迭代融合.计算机仿真结果验证了该方法的有效性.     

对机动目标单站无源定位的最大似然估计

研究了基于目标的信号到达方向和信号到达时问差信息，利用单个固定的无源侦察站，通过最大似然估计方法对机动目标进行定位的问题。首先建立了机动目标模型与观测方程，然后详细推导了定位算法，并进行了仿真实验。仿真结果表明，该方法具有定位精度高、算法稳定等优点。     

地空导弹系统受噪声干扰时雷达参数测量影响分析

现代战争中导弹和导弹系统在战场中都将受到各种电子干扰 ,导弹系统中的雷达在受噪声等干扰后 ,可能导致各种参数测量误差的增大、发现概率的降低等。研究地空导弹系统中的雷达在受噪声干扰情况下 ,其发现概率、测角精度、测距精度等所受的影响     

基于直方图最优分组的雷达信号特征参数分析

为了对雷达信号进行识别,一般先要对其信号参数进行特征提取,雷达信号的参数特征提取一般采用的是等宽直方图法,但由于此法中的分组数一直由人为主观确定,故存在种种弊端,针对这个现象,利用一个定量化的综合评价指标来确定直方图最优分组数,使得直方图的制作更加客观、迅速,最后将由定量化综合评价指标确定分组数的直方图法应用于雷达信号载频参数分析上,仿真实验验证了该方法具有快速、准确和易实现等优点,为此类问题的解决提供了一个方便的工具.     

FCM聚类的模糊SVM法在雷达信号识别中的应用

支持向量机(SVM)是一种新的很有效的模式识别方法,将其应用到雷达信号识别中可以较好地解决此类问题.由于传统的支持向量机由两类扩展到多类问题时,会出现不可分区域.针对雷达信号的多类识别这一实际问题,提出解决这一现象的模糊支持向量机理论(FSVM),并定义输入向量对于某类的隶属度函数,更符合实际情况.此外,支持向量机理论本身对于支持向量的选择并没有指导性,对此利用模糊C均值(FCM,Fuzzy C-Means)聚类,对训练样本进行预处理,可以大大减少训练样本的数量,从而提高支持向量机的训练速度.仿真对比实验和结果证实了结合FCM对训练样本预处理的FSVM法对雷达信号识别具有训练速度快、识别准确率高的特点.     

基于脉冲样本图的雷达辐射源识别方法

雷达辐射源识别是雷达对抗侦察信号处理的关键环节。由于现代雷达体制日益复杂,传统的辐射源识别方法面临着越来越严峻的问题。因此针对这种情况,提出了一种基于脉冲样本图雷达辐射源识别算法。这种算法无需对相互叠加的雷达辐射源信号进行完全分选,并且不需要进行传统识别方法中的特征提取过程,简化了处理环节。在脉冲流密度适中的情况下,该算法具有很好的判别准确率。仿真结果验证了该方法的可行性和实用性。     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

雷达信号基因形成机理与多层次建模方法研究

针对电子对抗侦察领域对截获雷达信号认知的需求,对雷达信号基因的形成机理和建模问题进行研究。首先,分析了雷达信号的不同层次和层次之间的转化关系,将雷达信号划分为脉冲层、脉冲群组层、工作方式层三个层次;然后,借鉴生物体基因工程中蛋白质、DNA、基因片段的概念,类比对应雷达信号的不同层次信息,提出了雷达信号基因的概念和层次模型,建立了雷达信号层次处理的研究框架;最后,针对当前新体制雷达的典型信号,给出了雷达信号脉内基因的表征实例。