基于实例推理的雷达辐射源识别研究与应用

论文摘要

雷达辐射源信号识别是电子情报侦察(ELINT).电子支援侦察(ESM)和雷达威胁告警(RWR)系统中的关键处理过程,也是电子干扰的前提和基础,其识别水平是衡量雷达对抗设备技术先进程度的重要标志。近年来,尽管雷达辐射源信号识别受到电子对抗人员的高度重视,并提出了多种识别方法,但是,采用常规三参数的传统识别方法及其改进方法在识别新体制雷达辐射源信号时仍是主要方法。文中介绍了基于实例推理(CBR),雷达用途分类和雷达识别的基础知识,分析了雷达辐射源特征参数与雷达用途之间的关系。阐述了模式识别中用于分类的几种典型的分类器,包括贝叶斯分类器、K近邻分类器、聚类分析分类方法、人工神经网络分类方法。提出了一种基于CBR分类器的未知雷达辐射源用途分类识别方法。基于CBR的雷达分类器采用聚类算法和最近邻算法相结合的检索策略,对实例推理中的实例建立分类索引,指导实例的检索。采用仿真数据对新型雷达分类器进行了测试,取得了很好的效果。识别结果现实。性能比单一算法的雷达辐射源分类器性能优异。该雷达分类器满足现实需求。说明了采用聚类算法和最近邻算法相结合的检索策略的雷达辐射源分类器具有有效性和实际意义。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 研究背景及目的
• 1.2 人工智能
• 1.3 专家系统
• 1.3.1 基于规则的专家系统
• 1.3.2 基于实例的专家系统
• 1.4 本文的组织结构
• 第2章 基于实例推理概述
• 2.1 CBR的基本原理
• 2.1.1 实例的表示
• 2.1.2 实例的索引
• 2.1.3 实例的检索
• 2.1.4 实例的复用
• 2.1.5 实例的修正
• 2.1.6 实例的保存
• 2.1.7 实例库的维护
• 2.2 CBR与RBR对比
• 2.3 CBR的历史现状及应用领域
• 2.4 CBR的未来
• 第3章 雷达辐射源识别
• 3.1 雷达辐射源识别的历史及方法
• 3.1.1 国内外研究历史
• 3.1.2 雷达辐射源识别的过程
• 3.2 雷达辐射源参数特征与雷达用途的关系
• 3.3 传统的分类器
• 3.3.1 贝叶斯分类器
• 3.3.2 K-近邻分类器
• 3.3.3 聚类分析分类方法
• 3.3.4 神经网络分类器
• 3.3.5 支持向量机分类器
• 第4章 基于实例推理的雷达辐射源识别研究与应用
• 4.1 体系结构
• 4.2 基于实例推理的雷达辐射源识别研究
• 4.3 基于实例推理的雷达辐射源识别应用
• 4.3.1 仿真环境
• 4.3.2 识别雷达仿真实现
• 4.3.3 数据管理仿真实现
• 第5章 仿真的运行结果分析
• 5.1 运行结果
• 5.2 结果分析
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢