复杂观测条件下雷达辐射源识别方法研究

发布时间：2021-04-13 01:10

　　在现代信息化战争中,雷达扮演着极其重要的角色,对敌方雷达状态与属性的准确掌控是电磁作战空间实现透明化的最重要环节。然而随着雷达技术与电子对抗技术的不断发展,作为获取雷达辐射源情报主要手段的ESM设备正面临着日益复杂的电磁信号环境,“低观测维度”、“低空间分辨率”等问题已经成为电子侦察设备不得不面对的常态化问题,同时由于辐射源数量和种类的爆炸式增大,使得特征参数出现“高混叠性”,这些问题导致了传统雷达辐射源识别技术的效果出现明显下降。本文正是基于上述背景,对复杂观测条件下的雷达辐射源识别问题展开研究,通过知识辅助处理、特征轨迹匹配和融合识别三个途径来全面提升雷达辐射源识别的整体效果。本文要研究的内容主要包含以下两个方面:第一,研究了知识辅助的辐射源粗分类技术。由于不同类型辐射源的电磁参数属性与数量存在一定差异,加上复杂观测条件导致的电磁参数观测不完全现象,传统辐射源识别方法效果下降严重,必须寻找能够有效处理维度不一致和观测不完全信息的方法,充分利用电子侦察设备输出的情报信息,提升识别效果。为此,本文提出向识别处理流程引入知识辅助处理的方式来解决情报充分利用的问题,提升了辐射源粗分类效果。... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文主要研究内容
    1.4 本文章节安排
第二章 相关基础知识介绍
    2.1 引言
    2.2 知识辅助识别基础知识
        2.2.1 知识表示技术概述
        2.2.2 本体知识介绍
    2.3 常用的数据融合方法介绍
        2.3.1 常用方法对比
        2.3.2 Bayes推理方法
    2.4 结束语
第三章 知识辅助下雷达辐射源的本体建模与粗分类
    3.1 引言
    3.2 雷达辐射源属性特征分析
    3.3 雷达辐射源本体模型构建
        3.3.1 本体构建原则
        3.3.2 本体构建方法
        3.3.3 雷达辐射源本体的构建步骤
    3.4 基于本体的目标模型推理
    3.5 基于Protégé的雷达辐射源知识本体建立
        3.5.1 Protégé简介
        3.5.2 应用实例
    3.6 辐射源领域本体的概率扩展及推理
        3.6.1 OWL语言的概率扩展
        3.6.2 贝叶斯网络的概率推理
        3.6.3 应用实例
    3.7 结束语
第四章 基于特征轨迹匹配与Bayes推理的细分类方法
    4.1 引言
    4.2 整体处理流程介绍
    4.3 特征轨迹匹配的方法
        4.3.1 特征轨迹对准
        4.3.2 特征轨迹相似性定义
    4.4 基于Bayes推理的多观测融合识别
    4.5 仿真实验与分析
        4.5.1 特征轨迹相似度的性能分析
        4.5.2 基于特征轨迹匹配的识别效果分析
        4.5.3 多次观测融合识别效果分析
    4.6 结束语
第五章 结论与展望
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3134331