针对非均衡样本的雷达字提取算法

雷达字作为构成雷达短语的基元,其提取效果的好坏将直接影响后续雷达行为辨识的可信度。针对侦收数据不均衡情况下的雷达字提取问题,提出一种基于K-means算法改进的K-OPTICS雷达字提取算法。通过构建虚拟聚类中心和簇合并的方法,使其在各种样本不均衡的仿真场景下仍能取得91.22%以上的提取准确率,较传统算法具有更好的参数不敏感性。     

一种基于子空间聚类的雷达字提取算法

在认知侦察领域,对多功能相控阵雷达（Multifunction Phased Array Radar,MPAR）的脉冲序列进行分析,得到目标威胁等级和其他直观的有效情报,可以直接服务于作战指挥中心的决策部署。其中对雷达字提取是进行行为分析和预测的基础,其提取的结果将间接影响最后实施干扰决策的措施。针对从前提取算法利用侦收信息不全而CLIQUE算法簇边缘丢失等问题,提出了一种基于子空间聚类的雷达字提取算法。仿真实验结果表明,在漏脉冲率为30%的情况下该改进算法的提取准确率、F-值和调整兰德系数均优于传统算法,可以很好地服务于认知电子战中的雷达对抗。     

基于改进D-S证据理论的MPAR行为状态识别方法

随着多功能相控阵雷达不断发展,其展现的多功能状态和自适应能力强的特性使得传统行为辨识方法无法适应现代战争需求。对此,提出一种基于改进D-S证据理论的雷达行为状态识别方法,该方法将空间运动状态和天线扫描方式作为辅助特征,通过改进D-S证据理论将双链HMM估计结果进行融合,得到最终识别结果。仿真实验结果表明,所提方法能有效解决传统D-S证据理论不能处理的证据冲突问题,且在雷达字提取准确率下降的情况下表现出更强的鲁棒性。