检索结果-内蒙古大学图书馆

作者：庞春逸西安电子科技大学

学位级别：硕士

随着科技的迅速发展,电子战已经逐渐成为现代军事战争的核心。而电子侦察作为电子战的先导和基础,主要是对敌方雷达辐射源进行探测和截获,以获取敌方雷达辐射源信息,为后续的战场态势评估、对敌攻击提供技术信息支持。本文主要研究机载... 详细信息

随着科技的迅速发展,电子战已经逐渐成为现代军事战争的核心。而电子侦察作为电子战的先导和基础,主要是对敌方雷达辐射源进行探测和截获,以获取敌方雷达辐射源信息,为后续的战场态势评估、对敌攻击提供技术信息支持。本文主要研究机载未知雷达辐射源识别和工作模式识别问题。主要工作包括:(1)介绍了雷达脉冲参数和主要参数的调制方式,在此基础上,对雷达相关参数特征的提取进行了研究,并对机载雷达常用的工作模式进行了分析。(2)研究了未知雷达辐射源的识别方法。首先介绍了迁移学习和域适应的基本概念,分析了目前未知雷达辐射源识别算法中存在的问题和本文使用的识别方法。使用基于局部投影分数的离群点检测法将测试样本中的已知雷达辐射源数据和未知雷达辐射源数据区分开来。然后用决策树算法对调制方式进行预测,用迁移成分分析方法将已知类数据和未知类数据进行域适应变换,根据变换后的数据预测未知样本的工作模式。最后用基于神经网络的二阶段分类法确定样本所属的辐射源类别。(3)研究了雷达数据的分类方法。在实际战场环境中,截获到的雷达脉冲数据是长度未知的连续脉冲序列。不同类型辐射源的工作模式表示方法不一样,且同一辐射源不同工作模式包含的数据长度也不同。因此在进行工作模式识别前,需要对雷达数据进行划分。首先介绍了常见聚类算法的工作原理和优缺点,根据聚类算法和雷达数据特点,选择DBSCAN算法对雷达数据进行划分,并使用KANN-DBSCAN算法解决了 DBSCAN算法对参数敏感的问题。提出了二分查找KANN-DBSCAN算法降低时间复杂度。(4)研究了雷达工作模式的识别方法。首先分析了雷达数据的“雷达字-雷达短语-雷达句子”层级结构,并根据雷达数据特点对雷达字进行提取。基于CNN和LSTM无法处理非欧式空间数据的缺陷,将提取到的雷达字样本进行图结构表示,构建GCN网络模型进行工作模式识别,最后从采样邻居和聚合函数两方面对GCN进行扩展,构建GraphSAGE网络模型进行工作模式识别。

关键词：雷达辐射源识别雷达工作模式识别迁移学习深度学习图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的雷达信号智能分选与工作模式识别

基于深度学习的雷达信号智能分选与工作模式识别

引用

作者：贠洁杭州电子科技大学

学位级别：硕士

雷达工作模式的识别主要包括对接收机接收到多台混合雷达信号的分选处理以及对分选后单个辐射源信号工作模式的判定。随着电磁环境日趋复杂,常规的侦察手段在雷达信号分选和工作模式的识别上面临着很大挑战。近年来,深度学习飞速发展,... 详细信息

雷达工作模式的识别主要包括对接收机接收到多台混合雷达信号的分选处理以及对分选后单个辐射源信号工作模式的判定。随着电磁环境日趋复杂,常规的侦察手段在雷达信号分选和工作模式的识别上面临着很大挑战。近年来,深度学习飞速发展,将深度学习与雷达侦察技术相结合,有助于提高雷达的智能化水平和改善分选与识别性能。本文对基于深度学习模型的雷达信号智能分选和工作模式识别的方法展开了研究,具体工作如下:1、系统地介绍了雷达信号进行分选以及工作模式识别的整个过程,分析了常见雷达信号的种类,常用于雷达信号分选的特征参数及传统的分选方法,研究了用于雷达工作模式识别的典型方法,并通过实验分析了传统方法的不足。2、研究了基于细微特征的雷达信号智能分选技术,首先提出了基于不同辐射源幅度包络的预分选方法,能够为主分选减少工作量。然后针对辐射源个数较多时,传统参数会导致分选效果差的问题,从信号层面出发,提出了可用于信号分选的细微特征,并使用深度卷积神经网络将信号与特征的组合作为输入,通过实验验证了所提取细微特征对分选的效果,使用细微特征的信号分选准确率比不使用细微特征的分选准确率平均提高了7.5%。3、研究了多功能雷达在出现漏脉冲和虚假脉冲情形下的工作模式识别,通过增加4个特征参数,提出了雷达“字-短语”建模的改进方法,准确描述了雷达字、雷达短语的变换规律,并实现了对错误脉冲的校正,同时将数据挖掘的关联算法运用到雷达工作模式识别的研究中。仿真实验表明,在漏脉冲率为40%时,改进方法的模型准确率提高了8%,在虚假脉冲率为40%时,改进方法的模型准确率提高了6%。在错误脉冲情况下对雷达工作模式识别的平均置信度提高了6%。最后,采用卷积神经网络和循环神经网络相结合的CNN-RNN网络模型实现了对雷达短语序列的识别,结果表明使用CNN-RNN模型比使用单独的网络模型识别准确率平均提高了2.2%,比传统的多参数联合的方法、句法方法识别准确率分别平均提高了7%和5%。

关键词：雷达工作模式识别雷达信号分选深度学习卷积神经网络循环神经网络

来源：评论

学校读者我要写书评

暂无评论

雷达数据融合跟踪及工作模式识别

雷达数据融合跟踪及工作模式识别

引用

作者：韩钟瑞西安电子科技大学

学位级别：硕士

随着“第五战场”——电磁战场的开辟,电子战在现代战场环境中的地位越发重要。为了能够更有目的性,更好地实施电子战,使用雷达对敌方目标进行有效的检测和跟踪是前期必不可少的工作,而且为了满足日益增长的作战需求,传统的单源数据跟... 详细信息

随着“第五战场”——电磁战场的开辟,电子战在现代战场环境中的地位越发重要。为了能够更有目的性,更好地实施电子战,使用雷达对敌方目标进行有效的检测和跟踪是前期必不可少的工作,而且为了满足日益增长的作战需求,传统的单源数据跟踪已渐渐被效果更加优秀的多源数据融合跟踪所替代。此外,电子对抗作为电子战的主要组成部分,其中的电子侦察领域所涉及的辐射源识别等问题也是当前电子战的研究热点,而且对于我们后续作战中的精确干扰和防御起着至关重要的作用。因此本文以电子战为主体,对于电子战前的目标跟踪问题,我们研究了多源异构数据融合跟踪。对于作为电子战先导的电子侦察部分,针对一些具体场景条件,我们研究了雷达辐射源识别和雷达工作模式识别。首先,提出基于多尺度的单目标三源异构数据融合跟踪方法。针对在某些情况下能够获得的激光、红外和毫米波雷达这三源异构传感器的跟踪数据,基于多尺度思想,根据多种异构传感器的采样频率的差别建立多尺度模型,依次进行滤波、集中式和分布式的融合,完成对单目标的有效跟踪。其次,提出基于SSAE与LightGBM的雷达辐射源识别方法和基于CFSFDP的雷达工作模式识别方法。针对在电磁战场中可能获得的多种雷达辐射源对应的多种雷达工作模式脉冲信号进而构成的复杂未知雷达脉冲信号环境,首先使用提出的基于SSAE与LightGBM的特征提取和分类框架对雷达脉冲信号模糊调制特征提取深度特征并进行分类,很好地完成对雷达辐射源的初步识别。然后基于上一步对雷达辐射源的识别结果,使用改进的CFSFDP算法对同种雷达辐射源的不同雷达工作模式进行二次聚类划分,达到对雷达工作模式的有效识别。最后,提出基于GANs的雷达工作模式样本数据增强方法和基于神经网络模糊决策融合的雷达工作模式识别方法。在对雷达脉冲组序列进行建模的基础上,首先针对在电磁战场中可能获得的样本不平衡的雷达工作模式样本数据,采用GANs对不平衡样本数据进行增强。然后针对复杂电磁环境中环境噪声误差引起的参数交叠问题,提出MRNN-FDF识别框架,其综合考虑雷达脉冲组序列的整体和时序特性,利用MLP和RNN进行识别,再对决策结果进行模糊化并使用D-S证据理论进行融合从而给出最终决策,完成对雷达工作模式的有效识别。

关键词：数据融合跟踪自动编码器雷达辐射源识别生成对抗网络雷达工作模式识别

来源：评论

学校读者我要写书评

暂无评论

应用D-S证据理论的雷达工作模式特征层融合识别

引用

空军工程大学学报（自然科学版） 2016年第4期17卷 35-40页

作者：王星王志鹏呙鹏程周东青杜文红王超空军工程大学航空航天工程学院 95959部队

日趋复杂的战场电磁环境对雷达工作模式识别提出了更高的要求,针对传统单平台工作模式识别方法的局限性,提出了一种在多平台协同背景下基于Dempster-Shafer(D-S)证据理论的雷达工作模式特征层融合识别算法。该算法运用隶属度函数获得基... 详细信息

日趋复杂的战场电磁环境对雷达工作模式识别提出了更高的要求,针对传统单平台工作模式识别方法的局限性,提出了一种在多平台协同背景下基于Dempster-Shafer(D-S)证据理论的雷达工作模式特征层融合识别算法。该算法运用隶属度函数获得基本信任赋值,根据Dempster合成规则,首先对多平台侦收的同一参数数据进行多平台参数内融合,然后进行参数间融合获得合成信任度,最后依据工作模式判定规则识别雷达工作模式。通过仿真实验,多平台融合识别算法的识别率较单平台识别方法平均提高了27%,实验结果说明融合识别方法有效地提高了识别性能。

关键词：雷达工作模式识别信息融合 D-S证据理论特征层

来源：评论

学校读者我要写书评

暂无评论

电子对抗中干扰效果评估与干扰决策方法研究

电子对抗中干扰效果评估与干扰决策方法研究

引用

作者：黄睿哈尔滨工程大学

学位级别：硕士

随着人工智能技术在电子对抗领域的迅速发展,多功能雷达由于其优越的适应性和抗干扰性能,在现今认知电子战中扮演着重要角色。这也使得干扰方实施有效干扰变得更加困难。在这样复杂多变的环境中,如何对敌方雷达进行有效的干扰效果评估,... 详细信息

随着人工智能技术在电子对抗领域的迅速发展,多功能雷达由于其优越的适应性和抗干扰性能,在现今认知电子战中扮演着重要角色。这也使得干扰方实施有效干扰变得更加困难。在这样复杂多变的环境中,如何对敌方雷达进行有效的干扰效果评估,并以此为基础进行干扰决策的制定,成为了决定干扰有效性的关键要素。本文以此为背景研究了多功能雷达的干扰效果评估手段,针对传统的干扰效果评估体系定量评估的问题,研究并构建了一种量化评估结果的方法,在此基础上,利用强化学习和群智能算法的思想,针对不同的应用场景,进一步研究了针对多功能雷达的智能干扰决策方法。首先,针对复杂电磁环境下干扰机侦察过程引发的信号失真或数据缺失问题,提出了一种基于雷达工作模式变化的干扰效果评估方法。该方法利用北方苍鹰优化(Northern Goshawk Optimization,NGO)随机森林模型(Random Forest,RF),并利用该模型进行雷达工作模式分类器的搭建,该分类器在保持原始RF模型高识别准确率的基础上,提高了整体模型的鲁棒性,以抵御信号失真带来的影响。之后结合基本置信分配的(Basic Belief Assignment,BBA)方法将分类器的硬输出转换为概率软输出并进行校正,充分的利用已知信息的价值,有助于减少数据缺失造成的识别不准确问题,同时将分类器硬输出转化为概率软输出也能方便后续干扰效果评估的量化。通过实验验证了该模型在应对非对称信息时表现出良好的鲁棒性和有效性。其次,利用评估过程中的工作模式识别结果,针对具有闭环反馈的动态干扰决策问题展开研究,应用了一种具有优先经验回放机制的竞争深度Q网络(Prioritized Experience Replay-Dueling Deep Q-Network,PER-Dueling DQN)决策方法,该方法利用优先经验回放机制,可提高重要经验的学习频率,从而提高了强化学习的效率和稳定性。同时,采用Dueling架构将动作值函数分解为状态值函数和动作优势函数,有助于减少动作值函数的方差,进而增强了决策模型的学习能力和鲁棒性。通过仿真比较验证了该方法相对于传统的DQN与DDQN在收敛速率上的明显提升,且模型收敛后的稳定性也得到了显著改善。最后,利用干扰效果的评估结果,针对雷达组网的对抗场景的干扰资源分配问题展开了方法研究,提出了一种基于多策略改进蜣螂算法(Dung Beetle Optimizer,DBO)的干扰决策方法。将干扰样式与对抗关系进行干扰决策矩阵综合建模,对该模型进行干扰效果最大化的决策寻优。针对DBO算法全局搜索效率低,容易陷入局部最优的问题,本文选择利用Chebyshev混沌映射与黄金正弦策略进行改进。通过结合这两种策略,增强了搜索过程的多样性和全局性,提高了算法在干扰资源分配问题上的性能表现。最后,通过对单目标对抗模型和多目标模型的仿真实验,验证了该方法在保证DBO算法高效的搜索性能同时,改善了其陷入局部最优的情况。

关键词：干扰效果评估强化学习群智能算法雷达工作模式识别 PER-Dueling DQN 多策略改进蜣螂算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：