基于邻域粗糙集和D-S证据理论的雷达辐射源识别

发布时间：2022-08-07 21:30

　　为解决复杂环境下雷达辐射源识别准确率低的问题,考虑辐射源信号特征对识别贡献率的差异,应用邻域粗糙集方法挖掘历史识别数据得到特征权重,同时结合灰关联分析获得辐射源类型测度,将测度转化为证据表示基础上,通过D-S证据组合获得辐射源识别结果。实验仿真以模拟侦察环境为背景,验证本文方法应用于雷达辐射源识别的合理性和优越性。 

【文章页数】：7 页

【文章目录】：
0 引 言
1 辐射源信号特征权重划分
    1.1 邻域粗糙集
        (1) 邻域决策系统
        (2) 约简集合
        (3) 决策系统的正负域
    1.2 基于邻域粗糙集的特征权重划分
2 辐射源识别融合
    2.1 信号特征测度计算
    2.2 证据理论
        (1) 基本概率函数
        (2) 信任函数
        (3) 似然函数
        (4) 证据合成法则
    2.3 目标识别融合
3 仿真验证
    3.1 信号特征选择
    3.2 目标融合识别
4 结束语


【参考文献】：
期刊论文
[1]基于多权重属性测度和信息融合的辐射源识别算法[J]. 李楠.  弹箭与制导学报. 2019(02)
[2]不确定性理论在通信目标识别中的应用[J]. 程嘉远,于小红.  火力与指挥控制. 2018(08)
[3]改进灰色关联算法在辐射源识别中的应用[J]. 林云,司锡才,周若琳,杨慧.  通信学报. 2010(S1)
[4]灰色关联理论在辐射源识别中的应用[J]. 李楠,曲长文,苏峰,平殿发.  系统仿真学报. 2009(24)
[5]粗糙集在雷达辐射源识别中的应用[J]. 张政超,关欣,何友.  中国电子科学研究院学报. 2009(04)
[6]基于灰关联分析的目标识别方法研究[J]. 谢松云,董大群,王本刚.  系统仿真学报. 2002(02)

博士论文
[1]通信电台细微特征研究[D]. 孙娜.北京邮电大学 2010



本文编号：3671076