【摘要】：雷達輻射源識別是現代信息化電子戰(zhàn)中電子偵察部分的關鍵環(huán)節(jié),電子偵察處于戰(zhàn)爭的先導位置,是保證電子戰(zhàn)勝利的先決條件。由于當前日益復雜的電磁脈沖環(huán)境以及雷達技術的飛速發(fā)展,對雷達輻射源的識別長久以來一直是雷達對抗領域中亟待發(fā)展的關鍵技術,準確并實時地識別出特定雷達輻射源的存在對于獲取敵方雷達信息情報、有針對性地實施雷達干擾等具有關鍵意義。本文由雷達輻射源識別的基本原理和流程出發(fā),展開了基于流形學習的輻射源識別技術研究。首先分析了輻射源電磁環(huán)境,對幾種典型的脈內調制信號進行了仿真分析,研究了雷達偵察系統(tǒng)接收處理信號參數的流程和輻射源識別中的常用特征參數,并分析對比了傳統(tǒng)的輻射源識別方法。隨后,針對雷達輻射源識別中所面對的高維海量特征數據處理難題,引入模式識別中用于數據降維的傳統(tǒng)降維方法,分析算法的原理、適用條件、優(yōu)點和不足,在此基礎上將非線性的流形學習算法應用到輻射源特征參數的約簡降維中。分析了典型的流形學習算法的思想和計算方法,仿真了算法針對典型流形中數據點的降維效果,分析了不同算法的性能、使用條件以及參數選擇等。最后研究了基于LLE算法和神經網絡分類器的雷達輻射源識別技術。分析了識別流程的三個關鍵環(huán)節(jié),包括信號的特征提取、特征選擇以及如何根據所提取的數據來設計選擇分類器,研究了常用神經網絡分類器的原理結構。在此基礎上通過LLE算法對信號在不同信噪比條件下提取的樣本信息進行維數約簡,并經過神經網絡分類器進行分類。結果表明,利用LLE算法降維后的特征向量進行分類識別在一定的噪聲條件下仍然表現出較好的識別正確率,并且在處理降維后的低維特征向量時,計算量的減少對于輻射源識別的實時性有明顯的提高。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN958

【參考文獻】

相關期刊論文 前1條

1 賴中安;羅杰;;基于雷達輻射源識別專家系統(tǒng)的數據融合方法研究[J];艦船電子對抗;2012年03期

，

本文編號：2569464