在現(xiàn)代信息化戰(zhàn)爭中,雷達(dá)扮演著極其重要的角色,對(duì)敵方雷達(dá)狀態(tài)與屬性的準(zhǔn)確掌控是電磁作戰(zhàn)空間實(shí)現(xiàn)透明化的最重要環(huán)節(jié)。然而隨著雷達(dá)技術(shù)與電子對(duì)抗技術(shù)的不斷發(fā)展,作為獲取雷達(dá)輻射源情報(bào)主要手段的ESM設(shè)備正面臨著日益復(fù)雜的電磁信號(hào)環(huán)境,“低觀測維度”、“低空間分辨率”等問題已經(jīng)成為電子偵察設(shè)備不得不面對(duì)的常態(tài)化問題,同時(shí)由于輻射源數(shù)量和種類的爆炸式增大,使得特征參數(shù)出現(xiàn)“高混疊性”,這些問題導(dǎo)致了傳統(tǒng)雷達(dá)輻射源識(shí)別技術(shù)的效果出現(xiàn)明顯下降。本文正是基于上述背景,對(duì)復(fù)雜觀測條件下的雷達(dá)輻射源識(shí)別問題展開研究,通過知識(shí)輔助處理、特征軌跡匹配和融合識(shí)別三個(gè)途徑來全面提升雷達(dá)輻射源識(shí)別的整體效果。本文要研究的內(nèi)容主要包含以下兩個(gè)方面:第一,研究了知識(shí)輔助的輻射源粗分類技術(shù)。由于不同類型輻射源的電磁參數(shù)屬性與數(shù)量存在一定差異,加上復(fù)雜觀測條件導(dǎo)致的電磁參數(shù)觀測不完全現(xiàn)象,傳統(tǒng)輻射源識(shí)別方法效果下降嚴(yán)重,必須尋找能夠有效處理維度不一致和觀測不完全信息的方法,充分利用電子偵察設(shè)備輸出的情報(bào)信息,提升識(shí)別效果。為此,本文提出向識(shí)別處理流程引入知識(shí)輔助處理的方式來解決情報(bào)充分利用的問題,提升了輻射源粗分類效果。... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本文章節(jié)安排
第二章 相關(guān)基礎(chǔ)知識(shí)介紹
    2.1 引言
    2.2 知識(shí)輔助識(shí)別基礎(chǔ)知識(shí)
        2.2.1 知識(shí)表示技術(shù)概述
        2.2.2 本體知識(shí)介紹
    2.3 常用的數(shù)據(jù)融合方法介紹
        2.3.1 常用方法對(duì)比
        2.3.2 Bayes推理方法
    2.4 結(jié)束語
第三章 知識(shí)輔助下雷達(dá)輻射源的本體建模與粗分類
    3.1 引言
    3.2 雷達(dá)輻射源屬性特征分析
    3.3 雷達(dá)輻射源本體模型構(gòu)建
        3.3.1 本體構(gòu)建原則
        3.3.2 本體構(gòu)建方法
        3.3.3 雷達(dá)輻射源本體的構(gòu)建步驟
    3.4 基于本體的目標(biāo)模型推理
    3.5 基于Protégé的雷達(dá)輻射源知識(shí)本體建立
        3.5.1 Protégé簡介
        3.5.2 應(yīng)用實(shí)例
    3.6 輻射源領(lǐng)域本體的概率擴(kuò)展及推理
        3.6.1 OWL語言的概率擴(kuò)展
        3.6.2 貝葉斯網(wǎng)絡(luò)的概率推理
        3.6.3 應(yīng)用實(shí)例
    3.7 結(jié)束語
第四章 基于特征軌跡匹配與Bayes推理的細(xì)分類方法
    4.1 引言
    4.2 整體處理流程介紹
    4.3 特征軌跡匹配的方法
        4.3.1 特征軌跡對(duì)準(zhǔn)
        4.3.2 特征軌跡相似性定義
    4.4 基于Bayes推理的多觀測融合識(shí)別
    4.5 仿真實(shí)驗(yàn)與分析
        4.5.1 特征軌跡相似度的性能分析
        4.5.2 基于特征軌跡匹配的識(shí)別效果分析
        4.5.3 多次觀測融合識(shí)別效果分析
    4.6 結(jié)束語
第五章 結(jié)論與展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號(hào)：3134331