一种新的雷达信号识别可信度确定方法

雷达信号的识别是电子对抗的一个重要方面，是保证雷达对抗侦察和干扰设备有效发挥其作战效能的重要前提。在现代雷达对抗中，雷达信号更为复杂多变，造成了信号识别可信度的极大差异。如何衡量信号识别可信度，为实施有效干扰提供更为可靠的保证?文中针对电子战系统侦收信号的不确定性，以及现有雷达信号识别中识别可信度不能准确反映侦收信号与数据库中相应信号匹配程度的问题，提出运用数据融合的方法对雷达信号识别中的识别可信度进行确定。计算机仿真和实验测试均表明上述方法的有效性，并且已经很好地应用于实践。     

基于D—S推理的雷达信号模糊识别方法

提出了一种将D－S证据理论与模糊理论组合应用的方法用于雷达信号的识别，通过对信号的积累和对信任度（模糊隶属度）的重新分配，有效地解决了雷达信号的不确定性问题以及如何利用信号在时间上的冗余信息问题，提出了信号的正确识别率。并用仿真实验和正确识别率的统计结果验证了这种方法的适用性。     

雷达信号识别中新雷达类型设置问题的研究

对雷达信号识别中新雷达类型的设置问题进行了研究 ,介绍了新类设置在侦察告警设备信号识别中的的具体应用     

雷达信号识别中新雷达类型设置问题的研究

对雷达信号识别中新雷达类型的设置问题进行了研究，介绍了新类设置在侦察造警设置信号识别中的具体应用。     

雷达信号识别的GANN方法

利用神经网络方法进行雷达信号识别存在两个问题，一是难以选择最优的网络结构：二是用传统的BP学习算法，常常收敛到局部解。本文提出一种GANN方法，即首先利用遗传算法优化两层前馈神经网络结构以确定中间隐层的节点数，然后用遗传算法进行学习。通过与BP算法相比较，遗传算法不仅速度快，而且能找到最优解。实验表明，将GANN应用于雷达信号识别，识别率更高。     

AdaBoost-NN在雷达信号识别中的应用

雷达信号识别是雷达侦察与对抗中的重要内容,也是其难点,现有的识别方法都不能取得让人非常满意的识别效果。AdaBoost即自适应Boosting算法,它可以提高任意给定分类器的分类精度。本文用AdaBoost提升神经网络并应用于雷达信号识别,并与几种现有的识别方法作了比较。实验结果表明,其识别准确率比文中所列的所有方法都要高。     

模式识别技术在雷达侦察信号分类识别中的应用

本文介绍了模式识别技术的基本原理及组成，重点论述了模式识别技术在雷达侦察信号分类识别中的具体应用。     

相控阵雷达信号识别的研究

本文通过分析相控阵雷达的特点,从理论上提出了相控阵雷达的几种识别途径,并从工程应用角度分析综合识别相控阵雷达信号应该具备的几个技术条件。     

基于雷达辐射源识别专家系统的数据融合方法研究

介绍了用专家系统进行雷达辐射源识别的方法,重点阐述了专家系统知识推理机的控制策略和推理机制,详细分析了3种数据融合方法:确定性理论方法、主观Bayes理论方法和D-S证据理论方法,并用1个实例分析了这3种方法的准确率,总结了3种方法的优缺点,对进一步研究具有借鉴意义。     

雷达目标识别技术综述

针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的4类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的4种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。     

一种全新的特殊雷达信号实时识别技术

在电子对抗中，常常需要实时地从众多的雷达信号中分选出特殊雷达信号。本文提出一种新的利用SAW器件实现实时识别特殊雷达信号的方法．我们称之为“频域波形比较法”。该方法具有实时性好、结构简单、准确性高等优点。作者根据论文提出的方法，制作了一个完整的实验系统。实验结果证明论文分析的正确性。     

相控阵雷达信号的分选识别

相控阵雷达是一种多功能高性能的新型雷达,简述了相控阵雷达的工作原理及其特征,从理论上讨论了对相控阵雷达信号的分选识别,具有一定的工程意义。     

灰关联分析与雷达信号识别

雷达信号识别是雷达对抗侦察的主要目的之一。灰关联分析是分析灰色系统的基本方法。本文研究和探索灰关联分析法在雷达信号识别中的应用,并分析了其特点和具体算法。计算机模拟结果表明这种方法是可行的。     

雷达目标识别技术及其新进展

从雷达目标识别技术作为现代雷达的一个重要发展方向出发，对雷达目标识别的几种主要方法即目标运动轨迹特征识别法、回波幅度起伏特性识别法、多频雷达回波识别法、极点识别法、斜升响应识别法和极化识别法等作了阐述，最后对雷达目标识别技术的新进展即波形综合法、雷达成象技术及神经网络在雷达目标识别中的应用作了展望。     

雷达信号识别的GANN方法

利用神经网络方法进行雷达信号识别存在两个问题,一是难以选择最优的网络结构;二是用传统的BP学习算法,常常收敛到局部解。本文提出一种GANN方法,即首先利用遗传算法优化两层前馈神经网络结构以确定中间隐层的节点数,然后用遗传算法进行学习。通过与BP算法相比较,遗传算法不仅速度快,而且能找到最优解。实验表明,将GANN应用于雷达信号识别,识别率更高。     

探讨一种新的雷达信号描述方式和识别技术

现代雷达信号体制越来越复杂,这使得现有的雷达信号特征描述方式很难有效地对其进行描述和分析。文章提出了一种雷达信号脉冲样本图的描述方法,利用这种描述方法可以很好地对复杂体制雷达信号特征进行描述和分析。文章还讨论了基于脉冲样本图的雷达信号处理识别方法,跟传统识别方法相比,该方法具有更快速、更可靠的特点。     

灰关联分析与雷达信号识别

雷达信号识别是雷达对抗侦察的主要目的之一,灰关联分析是分析灰色系统的基本方法,本文研究和探索关联分析法在雷达信号识别中的应用,并分析了其特点和具体算法,计算机模拟结果表明这种方法是可行的。     

基于D-S证据融合的相控阵雷达状态识别

在D-S证据理论融合方法的基础上,在分析了相控阵雷达状态和信号波形,提出了利用特征函数识别相控阵雷达状态的方法。并用典型相控阵雷达参数进行了仿真实验,实验结果表明,这种方法具有较高的识别概率。     

基于Pearson相关性的雷达交叠信号识别

针对复杂电磁环境下多部雷达同时到达信号频域交叠时难以分选识别的问题,分析了信号交叠对于雷达信号识别模块性能的影响;在此基础上面向识别需求,基于Pearson算法研究了交叠信号分选的处理方法。从信息论视角来说,两个信号脉冲波形相关性越弱,则其所表达的信息量越大,特征相关度越低。在信号脉冲数一定时,基于Pearson算法可以选择相关性较弱的信号脉冲载波,以削弱同时信号交叠的影响。通过实验,发现利用选择后的弱相关信号脉冲载波特征来表达信号特性,能有效降低数据维度,尽可能减少信息丢失,有利于达到鲁棒的识别效果,因此该方法可为同时到达信号交叠下的信号识别提供有效途径参考。     

基于小波包变换的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,提出一种以小波包系数的能量比和标准差为特征的算法,并采用BP神经网络进行识别。仿真实验表明,该方法能在较低的信噪比条件下取得较好的识别率。