基于K-均值的SVC的雷达辐射源信号识别

无监督学习是解决未知雷达辐射源信号识别的有效方法。Support Vector Clustering(SVC)是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高,而且在处理分布复杂、不均匀样本时,识别率较低。结合K-均值与SVC的优点,提出一种基于K-均值的SVC无监督聚类方法。此方法用K-均值聚类法对数据样本作初步的线性划分,将原数据样本划分成若干子样本。再将这些子样本分别映射到高维特征空间,用SVC方法去处理非线性问题。由K-均值聚类法将二次规划问题分解,大大减少SVC的计算量,降低时间消耗。相对于原数据样本,子样本的分布较为简单、均匀,容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明,此方法处理速度较快,识别率较高。     

面向多类别分类问题的子抽样主动学习方法

由于传统主动学习方法的计算量随着问题规模的增大呈指数增长,因此很难应用于大规模多类数据分类任务中.为解决该问题,设计了一种基于子抽样的主动学习(subsampling-based active learning,SBAL)算法.该算法将无监督聚类算法与传统主动学习方法整合,在二者之间增加了子抽样操作,该操作能够显著降低...     

基于非监督贝叶斯学习雷达性能指标动态评估

针对传统雷达性能指标评估方法相对"机械"、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型.考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立...     

认知雷达中基于Q学习的自适应波形选择算法

自适应波形选择器是认知雷达中智能发射器的重要组成部分。有效的波形选择能够在不同的环境下选择发射最优的波形序列,从而以更高的精度追踪目标。针对雷达目标转移概率未知这一特点,把自适应波形选择问题建模为随机动态规划模型,提出应用Q学习的方法来解决这个问题。仿真结果说明,该算法接近于最优波形选择方案,并且状态估计的不确定性低于固定波形。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

面向可重构制造单元的仿真建模技术研究

针对传统仿真建模方法无法适应可重构制造单元频繁调整的特点,提出了模块化控制模型与数据驱动相结合的仿真建模方法。首先采用层次化建模技术将生产系统复杂的管理和控制过程分解为车间层、单元层和设备层,各层次内部采用面向对象仿真建模技术将基本建模元素与仿真控制逻辑分离,构建过程控制模型;然后在对仿真建模各阶段需要的数据进行分析和分类的基础上,采用系统集成和人机交互的方式及时获取仿真数据,利用变化了的数据驱动各层次控制模型,快速构建生产系统重构后的仿真模型。最后,以某研究所的机加车间为例,验证了该方法的实用性和通用性。     

基于非合作雷达辐射源的无源雷达技术综述

对基于非合作雷达辐射源的无源雷达技术进行了综述,介绍了该领域内的研究历史与现状。然后对非合作式双基地雷达系统基本原理进行了分析与研究,主要内容包括基本几何关系、信号能量关系、接收站的组成以及参数测量与目标定位方法。最后,对辐射源的信号分析与优化选择、系统同步、直达波参考信号的恢复、微弱目标信号的检测与参数估计以及跟踪、融合与目标识别等系统关键技术进行了分析与评述。     

基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法

针对雷达实际侦察过程中会侦收到大量样本库中所没有的未知雷达信号,设计了一种基于粒子群优化的具有噪声的密度聚类算法和半监督条件生成对抗网络的单脉冲未知雷达信号处理方法.通过粒子群优化算法得到具有噪声的密度聚类算法的最优输入参数后,对未知雷达信号进行聚类,在聚类算法输出的簇中采用距离筛选算法筛选出更为可信的样本将其扩展到雷...     

基于约束非线性规划的MIMO雷达正交波形设计

以最小化峰值相关旁瓣为优化准则,采用约束非线性规划设计多输入多输出雷达的正交波形。所设计的正交波形采用相位编码信号,信号幅度恒定,相位取值任意。数值仿真实验表明,与本文所提到的以最小化积分相关旁瓣为优化准则的方法相比,所设计的信号自身具有更低的自相关峰值旁瓣电平,信号两两之间具有更低的峰值互相关电平。此外,还通过数值实验研究了自相关峰值旁瓣电平和峰值互相关电平与正交波形的信号数目和码长的关系。     

非合作双基地雷达参数测量与定位方法研究

介绍了非合作双基地雷达的基本几何关系,讨论了非合作双基地雷达中四个重要参数(基线距离、双基地距离差、发射站目标方位角、接收站目标方位角)的测量方法,利用这四个参数可构成四种定位算法。推导了这四种算法的定位误差公式。仿真结果表明,各算法的定位精度与双基地雷达系统的几何结构有关,且有着不同的空间分布规律。实际系统定位方案的选择应根据所能测出的参数来定,同时应注意各算法的适用区域。     

基于聚类和时序相关的重点雷达信号快速识别

针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise, DBSCAN)算法对侦获信号的脉冲描述字进行分选;而后,利用分选所得脉冲的时序特征与重点目标信号脉冲重复间隔(pulse repetition interval, PRI)生成仿真信号;最后,计算仿真信号的互相关函数,基于相关度判断PRI参数是否匹配。仿真实验表明:所提方法明显提升了对重点目标信号的识别时效,能够应对存在噪声干扰和信号交叠的复杂信号环境,对局部脉冲参数丢失不敏感。     

基于进化PSO算法的稀疏捷变频雷达波形优化

为了提高稀疏捷变频(sparse frequency agility,SFA)雷达信号在稀疏重构中的精度和稳定性,提出一种基于进化粒子群优化(particle swarm optimization,PSO)算法的SFA雷达信号的优化设计.首先,推导了SFA雷达的信号模型和稀疏重构时的字典矩阵.然后,以最小化SFA雷达信...     

基于宽带LFM雷达的弹道目标精确测速方法

由于弹道中段末期稀薄大气对轻诱饵具有明显的减速作用,精确的速度测量是该阶段真假目标识别的重要途径之一。提出了一种基于宽带线性调频(linear frequency modulation,LFM)雷达回波信号的精确测速方法,该方法对雷达中频回波信号相位差进行最小二乘参数估计,完成弹道目标速度的精确测量。针对低信噪比条件下的精确测速问题,采用恒虚警率(constant false alarm rate,CFAR)检测与形态学滤波相结合的技术对噪声进行抑制,有效地提高了算法的鲁棒性和测速精度。对典型弹道目标的动态雷达特征信号及测速算法进行了仿真和分析,验证了算法的有效性。     

FOPEN UWB SAR 抑制窄带干扰的波形设计及处理

针对叶簇穿透超宽带合成孔径雷达面临其他多种电子系统的频谱干扰问题,提出一种在干扰频带设计陷波的相位调制雷达波形设计及频域处理方法。在建立最大化使用频带和干扰频带能量之比的模型基础上,通过相位域求解共轭梯度以较快的收敛速度得到近似最优相位调制波形。基于发射信号频谱研究了频域匹配处理和距离旁瓣频域抑制加权技术。通过该波形设计及处理方法,可以灵活并有效地完成抗窄带干扰,且易于工程实现。     

认知MIMO雷达发射波形与接收滤波器联合优化设计方法

为了突破传统雷达的性能瓶颈,具有发射端自适应机制的认知雷达成为了研究热点,其中发射波形优化设计是认知雷达的核心组成。为了提升机载平台下对运动目标的检测能力,考虑了多输入多输出雷达中发射波形与接收滤波器的联合设计问题,并使用交替优化方法进行求解。在求解最优接收滤波器时,优化问题被建模为经典的广义瑞利熵问题,对此使用最小方差无失真响应方法进行求解以避免特征值分解运算。在设计最优发射波形时,在最大化信杂噪比的准则下建立目标函数,并引入工程常用的恒模约束条件,最终将波形设计问题建模成一个非凸的优化问题。对此,经典的求解方法是先使用近似手段松弛恒模约束,然后使用Charnes-Cooper变换进行求解。区别于经典方法,提出一种基于信杂噪比近似的优化算法以减少计算复杂度。实验结果表明,所提方法不仅具有更快的收敛速度,还可以实现更优的信杂噪比增益性能。