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。     

基于Vxworks平台的音频采集系统的设计实现

船舶航行时的各种状态数据和驾驶室内各种声音是失事后事故调查分析的主要依据.通过对船舶航行数据记录仪要记载的数据分析,确定了以Vxworks作为记录设备的软件平台,选取基于ISA总线的音频采集控制芯片为ES1869F,并分析了ES1869F的硬件连接方式以及连接注意事项.通过对PnP的配置和DMA传输方式的选取,完成了ES1869F的初始化和工作方式的选取,编写ES1869F驱动接口函数,实现了音频采集.     

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。     

数据缺失下基于IOWA TOPSIS的辐射源威胁评估

由于战场环境的高复杂性,侦察方难于获取目标辐射源的完备信息.为解决传统辐射源威胁评估算法不适用于数据缺失情况的问题,引入诱导有序加权平均算子空值估计算法,与逼近理想解排序法相结合,采用CV-G1法赋权,构建数据缺失下基于IOWA-TOPSIS的辐射源威胁评估模型.首先,利用IOWA算子估算空值,解决数据缺失问题;然后,利用基于变异系数法改进的G1法实现对各属性的组合赋权;最后,通过TOPSIS算法对辐射源威胁度进行排序.仿真验证了算法的有效性,该方法拓展了TOPSIS算法使用范围,实现数据缺失情况下的辐射源威胁评估.     

低空无线信道小尺度衰落特性研究

针对复杂情况下低空无线信道特性，选取近山地城镇环境视距和非视距2个场景在2.4 GHz频率下开展实地低空无线信道测量活动，分别收集1 200组信道的多径幅度值，结合统计性方法分析其对应的均方根时延扩展与莱斯因子2种小尺度衰落特性，并进行拟合。测试结果表明：2种场景的均方根时延扩展平均值分别为255 ns、1 429 ns,莱斯K因子平均值分别为3.8 dB、0.32 dB,前者莱斯K因子大于0 dB的比例为58.68%,说明该环境下莱斯信道为主；后者大于0 dB的比例为10.16%,说明该环境下瑞利信道为主；拟合的结果表明：均方根时延扩展Gamma拟合，莱斯K因子正态拟合，最后得出了对应的概率密度分布函数。