认知侦察中的信号分选算法研究

发布时间：2021-03-26 09:40

　　为应对现有雷达的复杂化及认知化的发展,世界各国先后提出认知电子战的结构和概念。在认知电子战处理雷达脉冲信号的过程中,当接收到的辐射源信号来自的对象具有认知能力或混合程度和复杂程度较高时,传统电子侦察在处理效率和处理准确性方面都会逐渐无法达到要求,为此,众多研究者在认知电子战的结构基础上提出认知侦察的概念。论文主要针对认知侦察模块进行研究,根据现有资料完善认知侦察结构和功能,对认知侦察中的信号分选及作为其辅助环节的侦察数据库进行改进,利用具有认知能力的数据库以及基于卷积神经网络的单脉冲参数信号分选的方法,使得认知侦察中的信号分选在信号处理效率以及信号处理准确率上都得到提高。在论文的第二章中,为提升认知侦察中信号分选的处理效率,论文中将现有侦察数据库改进为具有认知能力的数据库,结合基于层次的聚类算法从数据库的索引模式到调用形式及存储内容方面进行改进,通过和现有数据库存储的对比仿真,表明在信号处理过程中当数据量达到一定值时,信号分选效率有显著的提高。解决了分选效率的问题后,还需要解决信号分选准确率不高的问题,为此论文中为解决现有因信号预分选误差过大导致的最终分选错误的问题,将现有的信号分选中... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

具有认知能力的数据库第一层

105% 1%滑变 1 [2,4] 2.6PRI 均值 1100滑变方式：Asinx滑变 2 [26,18] 5PRI 均值 1200滑变方式：Asinx捷变频 1 12捷变频中心：6捷变范围：10%1150捷变频 2 7.5捷变频中心：12捷变范围：5%800参差 1 [2.2,2.7] [0.8,1.2]参差子周期：[280,390,320,360]参差 2 [3,16] [1.3,1.5]参差子周期：[500,550,600,630]选用如表 2.6 所示的雷达参数数据作为数据库的输入，利用 STING 算法对其进行仿真，得到具有认知能力的数据库存储模型第一层和第二层的结果如图 2.6 和 2.7 所示：

第 2 章 认知侦察中信号分选的辅助环节图 2.7 中可以看出，在具有认知能力的数据库第一层中据进行大致的分类。其中，根据本文数据得到，A 区域达范围；C 区域为抖动雷达范围；D 区域为滑变雷达范能力的数据库第二层是具体的雷达参数，分布在不同的数据存储在现有数据库和具有认知能力的数据库中的数实验中数据量不是很大，所以存储和调用的方式采用四PRI 和索引信息直接完成，来和具有认知能力的数据库中，具有认知能力的数据库选用两张 Excel 表格分别存别代表数据库的第一层和第二层。对比如图 2.8 所示：

【参考文献】：
期刊论文
[1]基于数据关联处理的重频参差雷达信号分选方法[J]. 柳征,高超,李悦.  电子与信息学报. 2018(05)
[2]基于VGGNet和标签分布学习的航拍目标分类方法[J]. 戚银城,赵振兵,杜丽群,乔弘,王磊.  电力建设. 2018(02)
[3]利用脉冲TDOA的雷达信号分选方法[J]. 郑惠文,黄建冲.  现代防御技术. 2017(02)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[5]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.  自动化学报. 2016(09)
[6]一种新的k-means聚类雷达信号分选算法[J]. 张冉,夏厚培.  现代防御技术. 2015(06)
[7]一种脉冲重复间隔复杂调制雷达信号分选方法[J]. 李英达,肖立志.  电子与信息学报. 2013(10)
[8]基于SQLServer数据库的大量雷达目标信息的存储和查询分析技术[J]. 练学辉.  雷达与对抗. 2012(01)
[9]认知技术在电子战装备中的发展分析[J]. 沈妮,肖龙,谢伟,石敖广.  电子信息对抗技术. 2011(06)
[10]BP神经网络研究[J]. 王昱.  现代计算机(专业版). 2010(15)

硕士论文
[1]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
[2]基于STING与支持向量回归机的网络安全预警技术研究[D]. 梁玉翰.解放军信息工程大学 2008



本文编号：3101382