一种基于改进DBSCAN的雷达信号分选算法

针对传统DBSCAN算法参数设置依靠人工经验的不可靠性,并且对非均匀数据聚类效果差的问题,基于云模型(Cloud Model)提出了一种CMDBSCAN算法,算法首先结合距离曲线倾角突变的特点自适应获得邻域半径,并根据雷达信号分布密度设置聚类密度点数阈值,可实现DBSCAN算法自适应运行;同时结合多维云模型理论,对DBSCAN算法分选结果进行有效性评估,利用判定结果进一步优化参数设置.根据仿真模拟的复杂对抗过程中帧收的雷达信号进行实验,证明该算法可实现非均匀雷达信号的自适应分选,同时可有效避免在多功能雷达信号分选中的"增批"问题.     

基于ICW-RCM的辐射源组合威胁评估

针对传统辐射源威胁评估方法难以直观地给出目标威胁程度以及在实时性、复杂性上的不足,在雷达图法(radar chart method, RCM)的基础上,提出基于改进组合赋权(improved combination weighting, ICW)-RCM的辐射源组合威胁评估算法。组合威胁评估将辐射源威胁等级粗排序和精细排序相结合,根据雷达指标计算雷达工作模式,对辐射源威胁等级进行粗排序,并降低威胁程度低的辐射源任务优先级;基于ICW-RCM,对相同雷达工作模式的辐射源精细化排序,并结合粗排序结果,得到最终的辐射源威胁评估结果。实验仿真与分析表明,该算法具有较好的正确性与有效性,与传统组合赋权雷达图法相比算法复杂度较低、实时性较高、结果更加形象直观。     

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。     

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。     

基于POMDP的主动雷达制导弹干扰措施优化方法

以主动雷达弹对抗为背景,研究了单平台机载电子对抗资源的调度问题。为解决导弹导引头状态观测不确定性问题,引入部分可观测马尔科夫决策过程(POMDP)理论,分析了POMDP模型的要素,建立了针对主动雷达制导导弹的干扰资源优化POMDP模型,并利用最优策略可达空间的连续近似法(SARSOP)进行求解。将电子支援措施(ESM)的观测值输出与电子干扰措施(ECM)的优化策略相结合,提出了一种基于POMDP的电子对抗资源实时调度优化算法。仿真结果表明,该方法能够实现目标状态不确定情况下的干扰资源有效调度,相比现有的调度策略,可以使导引头更多维持在搜索状态,更少停留在稳定跟踪状态。     

离散粒子群社区检测算法

针对复杂网络中的社区检测问题,提出了一种基于节点影响力的离散粒子群社区检测方法。该方法以模块度密度作为目标函数,利用离散粒子群算法对其进行优化,在优化过程中提出了节点影响力的概念,其充分利用了网络中节点的相互关系检测网络中的社区结构。同时,在此基础上提出了基于节点影响力的粒子群初始化方法和粒子状态更新方法。利用人工网络数据集和真实网络数据集对所提算法进行测试,实验结果表明,所提算法具有较好的检测结果,能更好地对网络中社区进行划分。     

基于GST-Hough变换的LFM信号识别方法

针对线性调频(linear frequency modulated, LFM)信号在低信噪比条件下的信号检测问题,提出将广义S变换(generalized S transform, GST)与Hough变换相结合(generalized S transform based on Hough transform,GSTH)信号检测方法。从理论层面推导出LFM信号在进行GST后对应的参数特性,论证Hough变换的可行性,推导出GSTH变换后LFM信号与噪声的概率密度分布函数,给出了基于奈曼-皮尔逊准则进行峰值检测时,检测门限的计算方法与确定流程。利用GST时频聚焦性提供良好的直线线性,有易于Hough变换的直线检测,提升变换后主峰峰值并降低副峰高度。通过与WHT (Wigner Hough transform)、分数阶傅里叶变换与周期WHT算法的仿真对比,定量评估算法的适用性,并与经典算法对比,定性的描述出算法良好的时频聚焦性,凸显GSTH算法在强噪声背景下具有更好的检测精度与适用范围。     

LMS预处理的相位差机载单站无源定位方法

针对机载单站无源定位精度受限于参数测量误差的实际问题,提出一种改善相位差误差下的网格搜索无源定位方法。首先采用LMS自适应滤波算法对相位差信息进行滤波处理,然后根据定位模型利用观测的相位差建立定位方程,最后通过网格搜索法解算辐射源目标位置。该方法可以在相位差测量误差较大情况下实现对辐射源目标的精确定位。仿真实验结果表明,滤波处理后的相位差误差可以减小到0.14rad以下,而且定位结果优于文献[17]的方法。通过分析定位误差,表明相位差误差在10°范围内,增大网格分辨率和延长观测时间可以提高定位精度,同时也进一步验证了获取高精度相位差信息的必要性。     

规范化自相关函数的复杂PRI调制样式识别

针对当前复杂PRI调制样式难以有效识别的问题,提出了一种基于规范化自相关函数的复杂PRI调制样式识别算法。该算法首先求出4种PRI脉冲序列的自相关函数,在对自相关函数做规范化的基础上,定义了峰值密度,陡峭度,序列能量3个特征量并建立特征空间,通过比较特征量与门限值进行判决,识别出PRI调制样式。仿真结果表明:本文算法在单组脉冲数目为100个、信噪比为4dB时,识别正确率可以达到95%;在单组脉冲数目为80个时,识别正确率可以达到95.5%;在单组脉冲数目为100个、脉冲丢失率达到25%时,识别正确率仍保持在93%以上。     

FAHP的主动雷达导引头干扰效能评估

传统的层次分析法(AHP)通常采用1~9标度量化判断矩阵,由于此标度方法存在一致性差、人为主观性强等不足,不便于对雷达导引头干扰效能进行评估。采用指数标度对AHP加以改进,并建立了对主动雷达导引头干扰效能进行评估的模糊综合评判模型,根据导引头固有抗干扰能力和工作特性建立适用于导引头的效能评估指标体系,运用模糊评判方法确定隶属函数,采用指数标度AHP确定各指标权重。并以噪声干扰为例,验证了该模型的有效性。仿真结果表明,采用指数标度的模糊层次分析法(FAHP)得到的一致性比例为0,降低了人为主观因素的影响,提高了对雷达导引头干扰效能评估的准确性和可信度。