基于机器学习的雷达辐射源识别方法研究

发布时间：2022-01-24 01:17

　　作为雷达侦察系统的重要环节,雷达辐射源的识别对电子战的输赢发挥着决定性的作用。雷达辐射源识别通过对截获的雷达辐射源信号进行分析处理,判别出该雷达的型号、工作模式等信息,估计其在战争的作用、战术特点、危险等级等。随着信息技术的发展,如何在电磁环境的不断恶化以及新体制雷达调制方式的日益复杂多变的条件下,实现对雷达辐射源信号的准确识别意义重大。本文首先总结分析了雷达辐射源识别问题的研究背景以及国内外发展现状,指出了当前雷达辐射源识别处理中面临的问题和挑战,然后在理解和掌握雷达辐射源识别相关知识的基础上,将深度学习、数据挖掘等机器学习的知识应用于雷达辐射源的识别,实现了对雷达辐射源的准确识别,为雷达辐射源工作模式的判断提供了依据。本论文的主要内容有:1、本文研究了基于SVM分类器的雷达辐射源识别方法。首先从雷达辐射源信号的描述方式入手,研究了脉冲描述字中各参数的含义、变化范围以及调制方式。然后针对的雷达辐射源识别问题,说明SVM分类器多分类方法以及核函数选择问题,最后用实验分析了SVM分类器不同多分类方法和不同核函数选择对雷达辐射源识别的影响。2、本文研究了基于深度学习的雷达辐射源识别方法。结... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文的内容安排
第二章 基于SVM分类器的雷达辐射源识别方法研究
    2.1 引言
    2.2 雷达辐射源信号描述方式
        2.2.1 脉冲到达角
        2.2.2 载波频率
        2.2.3 到达时间
        2.2.4 脉冲重复频率
        2.2.5 脉冲宽度
        2.2.6 其他信号特征参数
    2.3 基于SVM分类器的雷达辐射源识别
    2.4 实验仿真与分析
    2.5 本章小结
第三章 基于深度学习的雷达辐射源识别方法研究
    3.1 引言
    3.2 栈式自编码器
        3.2.1 自编码器
        3.2.2 栈式自编码器
    3.3 深度置信网络
        3.3.1 限制玻尔兹曼机
        3.3.2 基于对比散度的快速学习算法
        3.3.3 深度置信网络
    3.4 基于深度神经网络的雷达辐射源识别
    3.5 实验与分析
        3.5.1 仿真数据性能分析
        3.5.2 实测数据性能分析
    3.6 本章小结
第四章 基于数据挖掘的雷达辐射源工作模式识别方法研究
    4.1 引言
    4.2 雷达工作模式分析
        4.2.1 搜索模式
        4.2.2 跟踪模式
        4.2.3 武器控制模式
    4.3 Apriori算法
        4.3.1 关联分析基本概念
        4.3.2 Apriori算法
    4.4 基于Apriori算法的雷达工作模式识别
    4.5 实验仿真与分析
    4.6 本章小结
第五章 总结和展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于FRFT的α域-包络曲线的雷达信号特征提取及自动分类[J]. 司锡才,柴娟芳.  电子与信息学报. 2009(08)
[2]基于BP神经网络的ARM目标识别模型研究[J]. 高永成,任苏明,雷鹏.  弹箭与制导学报. 2007(02)
[3]基于小波包变换和特征选择的雷达辐射源信号识别[J]. 张葛祥,荣海娜,金炜东.  电路与系统学报. 2006(06)
[4]关联规则挖掘算法综述[J]. 毕建欣,张岐山.  中国工程科学. 2005(04)
[5]基于免疫RBF网络的雷达信号分类识别[J]. 唐斌,胡光锐.  数据采集与处理. 2002(04)
[6]ECM=电子对抗,电子对抗≠电子战──论电子战、电子对抗的科学定义及其技术内涵[J]. 林象平.  航天电子对抗. 1999(04)
[7]模糊神经网络的舰载雷达辐射源识别方法[J]. 王建华,赵莉萍,虞平良,宿延吉.  哈尔滨理工大学学报. 1999(02)

博士论文
[1]雷达辐射源识别关键技术研究[D]. 刘海军.国防科学技术大学 2010
[2]基于脉内特征的雷达辐射源信号识别研究[D]. 余志斌.西南交通大学 2010



本文编号：3605543