基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

被动雷达导引头对抗有源诱偏干扰技术

对反辐射导弹在有源诱偏下的失误距离进行了分析,讨论了减小失误距离的途径;针对反辐射导弹抗诱偏对导引头分辨角的需求,建立了基于均匀圆阵的二维DOA估计模型,讨论了角分辨算法在导引头中的具体应用;通过对不同信噪比和快拍数下导引头分辨概率的仿真,表明该算法能够满足分辨角的要求。     

基于时域模糊决策融合的雷达工作模式识别方法

在雷达工作模式识别中,侦察设备对雷达信号参数的测量误差严重影响了识别效果,针对这一问题文中提出时域模糊决策融合(TFDF)的雷达工作模式识别方法。首先分析了雷达脉冲组特征,在脉冲组层次提取雷达信号的脉冲组描述字(PGDW);然后基于联合隶属度函数改进传统的神经网络硬判决方式,实现雷达信号识别的模糊决策;最后运用DS证据理论将多个时刻的模糊决策融合,从而完成雷达工作模式的最终识别。基于时域模糊决策融合的识别方法可以有效改善参数测量误差对工作模式识别效果的影响。仿真结果以及对比实验表明,文中所提算法具有更好的抗噪性能,在雷达信号的参数测量误差为15%时仍具有90%以上的识别率。     

基于极小析取范式的属性约简算法

属性约简是粗糙集理论的核心问题之一，针对求取决策表所有决策约简集的NP问题，化繁为简将问题转化为对象动态增加下的决策约简求取问题。在深入分析了可辨识矩阵中可辨识集的特点及相互关系的基础上，优化改进决策辨识矩阵：①两对象之间不作逆向比较；②将决策可辨识矩阵列简化为属性等价类；③正域等价类作为决策可辨识矩阵的行，分情况给出了新决策表求取所有决策约简集的极小析取范式属性约简方法。该方法统一解决了相容和不相容决策表所有决策约简集的求取问题，最后通过实例分析验证了算法的可行性与有效性，为决策表的属性约简提供了一条高效的途径。     

一种高效的有源照射箔条云复合干扰方法

针对箔条自卫干扰对新体制雷达的干扰能力和效果不断下降的问题,提出了一种复合干扰方法。该方法运用机载电子干扰设备接收并转发敌机载火控雷达或空空导弹制导导引头(以下简称敌方雷达)发射的信号,经由载机的干扰发射天线照射到箔条云上,箔条云对干扰信号二次辐射,被敌方雷达接收,形成假目标(不同于箔条云反射雷达信号形成的假目标),起到诱骗干扰作用。仿真计算结果表明：采用此复合干扰后,敌方雷达接收到的箔条云有效反射面积比原来提高几十倍甚至几百倍以上,从而缩短了箔条云的展开时间,增大了压制比，并验证了此方法的可行性,提高了飞机的综合干扰能力,具有较强的实用价值。     

一种利用角度信息分离交叠信号的方法

目的采用角度信息,实时分离接收的交叠信号。方法建立交叠信号的数学模型,通过时间窗将交叠信号分为交叠区和非交叠区,分析了信号在交叠区和非交叠区的相位变化规律,采用门限检测的方法,记录突变时刻,形成不同的脉冲描述字。结果信号交叠后,相位产生突变,突变量的大小主要受两信号的幅度的影响,幅度差异越小,相位变化量越容易过门限,分辨率越高,且随着信噪比的升高,形成不同脉冲描述字的概率可达100%。结论该方法不需要进行谱峰搜索,具有更小的计算量和实时性。     

基于Shapley值的优势关系粗糙集客观权重分配方法及应用

权重的确定是决策研究中的关键性问题,已有的基于粗糙集的权重确定方法克服了过于依赖先验知识的缺陷,但其未充分考虑属性间的相互作用,此外考虑到等价关系的局限性,着重研究优势关系信息系统的属性权重确定问题,首先提出由属性集包含信息量的多少来确定属性的重要性,并基于信息量对属性集进行约简,在保证对元素间优劣关系区分能力不变的同时简化了计算;其次开创性选用Shapley值方法对"损失信息量"进行分配,进而确定属性权重,该方法以严格的公理为基础,充分考虑了属性间的相互作用,保证了属性权重分配的公正、合理;最后通过实例演示了利用Shapley值确定属性权重的具体操作步骤。该方法直观性和可操作性强易于推广,为各类信息系统属性权重确定提供了参考,亦是对策论方法交叉应用的成功探索。     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。     

基于熵权的灰色关联辐射源威胁评估

辐射源威胁评估可为后期干扰资源配置及任务分配提供依据,是机载自卫电子对抗的重要研究课题。针对评估指标少、不全面的问题,从影响威胁等级的距离估计指标、分辨力估计指标、概率估计指标和平台指标出发建立辐射源威胁评估体系,通过参数集输入计算出各指标值;然后运用基于熵权的灰色关联方法,通过熵权法对权重客观赋值,结合最优、最劣关联度,得到灰色关联相对贴近度;最后,对贴近度排序,评判威胁等级。仿真表明,定量计算与定性分析结果的一致说明了算法的有效性;与选取的2种改进算法进行威胁排序与运算时间的对比,其结果的一致和运算时间上的优势说明了算法的可行性和时效性。     

基于Shapley-TOPSIS的辐射源威胁评估

针对雷达对抗领域辐射源威胁评估问题,利用基于Shapley值的优势关系粗糙集客观权重分配法克服主观赋值、不依赖先验知识的优点,与TOPSIS(逼近理想解排序)结合,提出一种基于Shapley-TOPSIS的辐射源威胁评估模型。首先,区分收益型和成本型对属性指标进行规范化,构建目标集与属性集的评判矩阵;然后,利用优势关系进行属性约简,并基于Shapley值确定各属性权重,再利用属性权重更新评判矩阵;最后,计算得到模型的正、负理想解,分别求解各辐射源的贴近度,进行辐射源威胁等级排序。仿真结果表明,与基于专家系统赋值的TOPSIS模型相比,文中模型综合考虑了各属性的相互关系,威胁等级排序结果更准确。