基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法 ,包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明 ,该方法有着良好的识别效果     

基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法．包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明，该方法有着良好的识别效果。     

分段聚类在雷达信号分选中的应用

分析了雷达信号分选中的容差问题,现代电子战所面临的越来越复杂密集的脉冲环境,使容差问题成为制约现有多参数信号分选体制分选效率的重要因素。根据统计学习理论的思想,提出了一种基于支持向量聚类和级联互耦的分段聚类雷达信号分选方法,该方法克服了容差问题对雷达信号分选的影响。通过仿真实验验证,对于高脉冲密度环境和复杂的信号形式,这种分选方法是有效的。     

基于改进NLMS算法的通道校正技术研究

在电子侦察中,由于数字接收机通道中的放大器、混频器中的本振以及低通滤波器等器件的非理想性,造 成了接收机通道之间的幅相不平衡现象,极大地影响了无源测向的精度。本文在自适应滤波理论的基础上,提出了一种基 于改进NLMS算法的自适应通道校正方法。改进的算法在无法得到信号先验信息的情况下,也能获得较快的收敛速度和较 小的失调量,完成通道校正过程。基于该算法的通道校正方法不需要参考信号,直接利用天线接收到的雷达信号完成自校 正过程。仿真结果表明,该方法能有效提高通道的幅相一致性,是一种较好的通道校正方法。     

LFM信号的自适应校正应用研究

在提出用自适应滤波方法对接收机通道之间的不平衡性进行校正的基础上,重点分析了NLMS(NormalizedLeastMeanSquare),即归一化最小均方算法对雷达中的线性调频信号(LFM)的校正。通过仿真,对影响LFM信号校正精度的因素做了探讨。     

用转移矩阵法分析复杂雷达信号

介绍了采用转移矩阵对预分选以后的脉冲参数进行主处理的，这种方法可以分析出各种复杂雷达信号的各种详细的特征参数。     

雷达辐射源识别专家系统

介绍雷达辐射源识别专家系统根据雷达信号参数的变化特征和参数范围识别雷达工作体制和用途的推理过程,介绍识别置信度的融合算法,给出了对本专家系统的测试结果。     

用AUTES实现雷达辐射源识别专家系统

描述了一种用自行研制的专家系统开发工具AUTES进行雷达辐射源识别专家系统开发的方法,对其中专家知识及知识库、置信度融合方法、解释器等作了详细介绍。测试和实际运用表明,该专家系统能对雷达辐射源进行高效率识别,对参数不全或参数发生一定程度畸变的雷达辐射源的识别率可达到80%以上。