反辐射导弹的最优检测

本文以反辐射导弹告警系统为背景，根据典型反辐射导弹的发射模式，建立了反辐射导弹雷达回波时间序列模型，指出告警系统对反辐射导弹的脉冲串检测实际上是速度及加速度分量未知的线性调频信号的检测。推导了反辐射导弹的最优检测的表达式及参数估计的精度，并给出了最优检测的检测性能，为工程完成反辐射导弹回波脉冲串的检测提供了理论基础。     

两点源干扰下的反辐射导弹误差距离进一步探讨

结合现有非相干两点源抗反辐射导弹模型的研究成果,通过分析反辐射导弹的导引和运动机理,进一步细化了反辐射导弹的攻击过程,在此基础上对两点源干扰下的反辐射导弹误差距离进行了探讨.针对现有模型中存在的一些不足,分析了多种因素对反辐射导弹误差距离的影响,进一步完善了非相干两点源干扰下的反辐射导弹误差距离模型.通过示例对给出的模型进行了分析验证.     

基于神经网络BSB模型的反辐射导弹辐射源识别技术研究

利用反辐射导弹来摧毁敌方雷达系统和有关设施是现代战争中一种有效的对抗手段。但是,在目前辐射源增多、信号密集的情况下,传统的信号分选和识别方式都遇到了困难,促使人们去研究以并行分布处理为特征的神经网络理论,探求一种(?)的智能信息处理方法和识别途径来解决这一难题。本文正是从这一点出发,利用BSB(脑中盒状态)模型来完成反辐射导弹的辐射源识别。计算机模拟结果证明这种方法是行之有效的。     

组网火控雷达抗反辐射导弹的闪烁诱偏方法

从火控雷达抗反辐射导弹的迫切需求出发,以雷达组网理论为基础,提出了组网火控雷达采用间歇辐射抗反辐射导弹的方法。对非相干两点源干扰单脉冲雷达测角理论进行拓展分析,提出了两点源或多点源间歇辐射对反辐射导弹的闪烁诱偏方法。建立了闪烁诱偏条件下反辐射导弹的飞行运动模型,并在设定的仿真条件下,对3部雷达组网间歇辐射对反辐射导弹的闪烁诱偏过程进行了仿真。仿真和分析结果表明,火控雷达在组网条件下采用间歇辐射可以对反辐射导弹进行有效的闪烁诱偏。     

综合抗击反辐射导弹的必要性与可行性

对于现代防空体系来说,反辐射导弹是一种严重的威胁。本文分析了现代反辐射导弹的主要特点,阐述了综合抗击反辐射导弹的必要性和可行性。     

抗反辐射导弹措施

反辐射导弹对军用雷达构成了严重威胁,研究如何抗反辐射导弹成了电子对抗中的重要课题。本文从战术和技术两关方面论述了抗反辐射导弹的措施。     

空-地反辐射导弹效能评估方法研究

分析了建立反辐射导弹效能评估模型的必要性。根据不同的电子对抗等级 ,给出了反辐射导弹效能评估的不同实验方法。这些方法对反辐射导弹效能评估、战技指标论证及其鉴定验收有重要的理论参考价值     

反辐射导弹隐身天线

近几年国内外对抗反辐射导弹技术的研究更加深入,对反辐射导弹的隐身技术要求更高。本文介绍了几种适用于反辐射导弹的超宽带、圆极化、低雷达散射截面(RCS)的天线系统——四臂双模螺旋天线及其馈电网络;双臂单模螺旋天线阵系统。简要说明其工作原理、给出工作框图及其隐身特征。分析表明此两种天线是反辐射导弹的理想天线系统。     

组网雷达抗ARM工作模式设计及仿真研究

针对组网雷达的工作模式可控转换特性具有优越的抗反辐射导弹攻击的能力,设计了组网雷达抗反辐射导弹攻击的闪光轮换工作模式,该工作模式吸取了有源诱偏和被动关机两种抗反辐射攻击方法的优点。分析了这种工作模式对反辐射导弹作战效能的影响。研究表明,组网雷达采用这种工作模式不仅可以降低ARM的作战效能,还能保证自身获取目标信息的连续性。进行组网雷达闪光轮换工作模式抗反辐射导弹计算机仿真模仿,结果验证了这种工作模式的有效性。     

舰载雷达的抗毁性问题

本文讨论舰载雷达受到反辐射导弹攻击的抗毁性问题。文中首先论述了舰载雷达抗反辐射导弹的特点。在简要介绍了诱骗抗反辐射导弹的基本原理后，论证了为保护舰载雷达，设置诱骗源抗反辐射导弹可能遇到的问题及其解决办法。文中指出为增强舰载雷达的抗毁性，提高舰载雷达的低截获概率性是一条有效途径。为此，文中讨论了低截获概率雷达的有关问题。     

基于CCF的单传感器辐射源识别方法

在论述了D-S证据理论在单传感器辐射源识别应用的基础上,提出了一种基于组合分类器信息融合(combining classifier fusion, CCF)的单传感器辐射源识别方法。该方法利用了两方面的知识,一是由组合分类器对样本数据分类能力表征的先验知识,二是由组合分类器对未知模式目标的分类能力表征的当前知识。基于先验知识对当前知识进行必要的实时性修正,在分类器融合输入级提高了当前知识的正确性。利用合适的组合算法,对分类器的输出级进行正确信息的有效提取,提高了单传感器辐射源识别的准确性。仿真结果表明了该方法的可行性及有效性。     

基于模糊C均值的支持向量机数据分类识别

提出一种基于模糊C均值的支持向量机分类算法，通过模糊C均值算法对未知类别数据进行划分，然后再利用支持向量行对划分后的数据机进训练。解决了以往人们应用支持向量机进行数据分类识别前必须采用已知类别的数据对支持向量机进行训练的弊端，提高了数据分类的效率。     

无向马尔科夫毯分类器与集成

无向马尔科夫毯结构是属性和类变量之间的最重要依赖结构之一,建立无向马尔科夫毯分类器的核心是无向马尔科夫毯结构学习。针对现有无向马尔科夫毯结构学习方法具有低效率和可靠性,以及不具实用性等问题,基于贝叶斯网络理论、马尔科夫网络理论和依赖分析方法进行具有多项式复杂度的无向马尔科夫毯结构和分类器学习,来避免这些问题。并建立最优性定理、可转换定理、可靠性定理和局部化定理为其提供理论依据。同时,对小例子集情况,给出了近似学习方法,并将无向马尔科夫毯分类器扩展为联合分类器,以有效地进行小例子集分类。     

基于卷积稀疏编码与多分类器融合的雷达HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别问题,提出基于卷积稀疏编码与多分类融合(convolutional sparse coding and multi-classifier fusion,CSCMF)的识别方法。首先,该方法利用CSC方法对目标HRRP进行特征提取,同时实现数据压缩;然后,将测试样本的特征分别输入随机森林分类器、朴素贝叶斯分类器和最小值分类器进行预分类,得到3个预测标签。采用多数投票法对3个预测标签进行分类器融合,得到最终的识别决策。实验中研究了分类器融合方法。基于5种飞机目标的HRRP仿真数据进行了实验验证,实验结果表明该方法的分类准确率较高,而且对噪声有较强的鲁棒性。     

径向基函数神经网络的遥感图象分类

针对遥感图象分类的特点,提出了一种径向基函数神经网络的遥感图象分类器。实验结果表明,这种径向基函数神经网络分类器经过训练后,可应用于遥感图象的分类。通过与BP经网络分类器相比较,径向基函数神经网络分类器在学习速度和分类精度等方面具有一定的优势。     

一种基于支持向量机的模糊分类器

提出了一种基于支持向量机学习的模糊分类器(FCBSVM).介绍了FCBSVM的基本思想及其结构,分析了隶属函数参数和惩罚参数C对分类规则的产生以及分类性能的影响,并提出了参数确定方法.构建这种分类器时,先选用适当的隶属函数,构造核函数.然后,以训练模式作为中心,进行模糊划分,对每个模糊划分建立一条模糊IF-THEN分类规则.最后,利用支持向量机学习方法,求出支持向量和规则的参数.这种分类器将支持向量机和模糊集合理论的优点结合起来,实现了模糊划分和模糊分类规则的自动产生.用双螺旋线数据和典型的数据集对分类器的性能进行了实验评测,验证了分类器的有效性.     

多分类器融合的人脸识别与身份认证

人脸识别是生物特征识别技术中一个活跃的研究领域,取得了很多实践成果,但是单一分类器一般不能取得满意的识别率与身份认证效果。本文采用贝叶斯决策理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对协同人脸识别、特征脸法以及复合方法等人脸识别分类器进行决策层的融合,对ORL库中人脸识别仿真实验表明文中的多分类器融合的人脸识别方法具有较好的分类性能,对污损、低分辨率人脸图像具有可靠的识别率、鲁棒性强,而且应用于人脸身份认证中取得了较好的认证效果。     

基于小波域统计-共生矩阵的声纳图像识别

采用完全树式结构小波包分解方法提取了声纳图像的纹理特征。通过计算小波包系数的统计特征和共生矩阵,构造了一个基于小波包变换的统计—共生矩阵特征集。由于统计—共生矩阵作为图像纹理特征表示时,在保留图像统计特征的同时,引入了空间信息,所以识别性能明显优于单纯的统计量识别方法。最后设计了一种模糊纹理分类器,由于模糊判决分类器通过引入隶属度函数对特征进行模糊化,反映了各类纹理样本间由于随机噪声等畸变因素造成的抽取特征值存在的不确定性,从而提高了纹理分类器的鲁棒性。     

Digital modulation classification using multi-layer perceptron and time-frequency features

Considering that real communication signals corrupted by noise are generally nonstationary, and time-frequency distributions are especially suitable for the analysis of nonstationary signals, time-frequency distributions are introduced for the modulation classification of communication signals. The extracted time-frequency features have good classification information, and they are insensitive to signal to noise ratio (SNR) variation. According to good classification by the correct rate of a neural network classifier, a multilayer perceptron (MLP) classifier with better generalization, as well as, addition of time-frequency features set for classifying six different modulation types has been proposed. Computer simulations show that the MLP classifier outperforms the decision-theoretic classifier at low SNRs, and the classification experiments for real MPSK signals verify engineering significance of the MLP classifier.     

基于神经网络的舰船雷达目标特征抽取与分类方法研究

本文着重研究应用神经网络来进行舰船雷达目标特征抽取与分类问题,提出了一种基于Mellin变换和多层前馈神经网络的特征抽取方法和一种基于Kohonen网络组的特征分类方法。采用实地录取的三类舰船雷达目标视频回波数据对本文提出的有关方法进行检验,结果表明本文提出的雷达目标特征抽取与分类的神经网络方法是切实可行的,其抽取的特征具有良好的稳定性,其分类的精度很高,明显优于传统的K-邻近分类器。