隨著信息革命尤其是電子計(jì)算機(jī)領(lǐng)域的飛速發(fā)展,電子戰(zhàn)已成為現(xiàn)代高科技戰(zhàn)爭(zhēng)中的核心。而近年來(lái),機(jī)器學(xué)習(xí)和人工智能技術(shù)在各領(lǐng)域的成功應(yīng)用,使其在電子戰(zhàn)裝備和技術(shù)中得到了越來(lái)越多的研究,尤其是雷達(dá)對(duì)抗領(lǐng)域。雷達(dá)對(duì)抗主要分為雷達(dá)電子偵察和雷達(dá)電子對(duì)抗。其中雷達(dá)電子偵察是對(duì)敵方的雷達(dá)輻射源信號(hào)進(jìn)行偵測(cè)和截獲來(lái)得到其相關(guān)戰(zhàn)術(shù)和技術(shù)特征參數(shù)等信息,為戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估、對(duì)敵攻擊提供技術(shù)信息支持。而雷達(dá)干擾是在偵察的基礎(chǔ)上根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)對(duì)敵方雷達(dá)電子設(shè)備和系統(tǒng)進(jìn)行干擾使其喪失或降低使用效能。本文主要研究了雷達(dá)電子偵察中的未知雷達(dá)輻射源識(shí)別和雷達(dá)工作狀態(tài)識(shí)別問(wèn)題,以及雷達(dá)電子對(duì)抗中的雷達(dá)干擾決策問(wèn)題。首先,針對(duì)未知雷達(dá)輻射源識(shí)別問(wèn)題提出了一種基于多源遷移學(xué)習(xí)的未知雷達(dá)輻射源識(shí)別方法,該方法將遷移學(xué)習(xí)與多任務(wù)學(xué)習(xí)相結(jié)合。先分析了雷達(dá)輻射源參數(shù)調(diào)制方式和工作模式對(duì)識(shí)別雷達(dá)輻射源型號(hào)的作用和意義。然后用基于多源局部投影分?jǐn)?shù)的異常檢測(cè)方法判別待測(cè)樣本數(shù)據(jù)屬于已知數(shù)據(jù)還是未知數(shù)據(jù)。最后,以輻射源脈沖數(shù)據(jù)的調(diào)制特征和工作模式作為屬性特征,通過(guò)聯(lián)合多個(gè)已知雷達(dá)輻射源數(shù)據(jù),基于遷移學(xué)習(xí)和多任務(wù)學(xué)習(xí)相結(jié)合的多源遷移學(xué)習(xí)方法建立未知雷達(dá)輻射源識(shí)別模型,對(duì)未知雷達(dá)輻射源進(jìn)行識(shí)別。其次,針對(duì)雷達(dá)工作狀態(tài)識(shí)別問(wèn)題提出了一種基于特征融合的雷達(dá)工作狀態(tài)識(shí)別方法。首先介紹了雷達(dá)脈沖數(shù)據(jù)層級(jí)結(jié)構(gòu),提出一種新的“雷達(dá)字”定義及提取方法,并對(duì)脈幅數(shù)據(jù)的變化規(guī)律進(jìn)行了簡(jiǎn)單分析。然后基于深度學(xué)習(xí)中CNN網(wǎng)絡(luò)的卷積層和池化層對(duì)雷達(dá)不同工作狀態(tài)下的脈幅序列數(shù)據(jù)提取出隱藏特征,基于RNN網(wǎng)絡(luò)提取“雷達(dá)字”序列中的時(shí)序深度特征,將兩種網(wǎng)絡(luò)得到的特征進(jìn)行展開、融合,通過(guò)連接Softmax分類器對(duì)工作狀態(tài)進(jìn)行識(shí)別分類。最后,針對(duì)雷達(dá)干擾決策問(wèn)題提出了基于Q-Learning算法的雷達(dá)聯(lián)合干擾決策方法。首先對(duì)雷達(dá)干擾問(wèn)題分析建模,分析雷達(dá)工作狀態(tài)與其威脅等級(jí)的關(guān)系,雷達(dá)干擾決策中的干擾樣式和干擾功率,以及雷達(dá)干擾效能評(píng)估問(wèn)題。然后將強(qiáng)化學(xué)習(xí)中Q-Learning算法應(yīng)用到雷達(dá)干擾決策中,將干擾樣式和干擾功率作為聯(lián)合干擾動(dòng)作,而實(shí)施干擾后雷達(dá)威脅等級(jí)的變化作為計(jì)算獎(jiǎng)勵(lì)值的依據(jù),建立雷達(dá)聯(lián)合干擾決策模型,最后通過(guò)改進(jìn)Q值更新公式中學(xué)習(xí)率以加快模型的收斂速度及減少震蕩,得到最佳的干擾策略。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN957.51;TN974
【部分圖文】：

圖 3.1 未知雷達(dá)輻射源識(shí)別流程基于局部投影分?jǐn)?shù)的未知類別雷達(dá)輻射源判斷對(duì)于待測(cè)的雷達(dá)輻射源樣本數(shù)據(jù)，如果不對(duì)其進(jìn)行是屬于已知還判別，而直接對(duì)其進(jìn)行訓(xùn)練學(xué)習(xí)分類模型比較困難。判別待測(cè)樣本是來(lái)自源域還是目標(biāo)域，可以將其看成一種離群Detection）問(wèn)題，異常檢測(cè)的方法主要有：基于距離和基于密度的異等[36]�；诰嚯x和基于密度的異常值檢測(cè)方法的基本假設(shè)是它們利用來(lái)確定觀測(cè)值是否異常值，觀測(cè)鄰域越稀疏，觀測(cè)異常的可能性越高射源脈沖數(shù)據(jù)來(lái)說(shuō)，對(duì)其中的 RF、PRI、PW 三個(gè)參數(shù)提取各自的調(diào)以及本身的參數(shù)值，特征的個(gè)數(shù)有 24 維并且特征值多以 0、1 形式存通過(guò)降維加快運(yùn)算及提高魯棒性�；谏鲜鰡�(wèn)題，本章使用一種基于局部投影分?jǐn)?shù)（Local Projec的離群點(diǎn)檢測(cè)方法[37]來(lái)判別待測(cè)樣本屬于源域還是目標(biāo)域。首先求得中的鄰域，然后通過(guò)低秩近似（Low-Rank Approximation）方法去除

雷達(dá)工作狀態(tài)由一個(gè)或多個(gè) CPI 組成。圖4.2 為某工作狀態(tài)下雷達(dá)脈沖數(shù)據(jù)隨時(shí)間變化的特性。w2w3w1w4w5脈沖序列雷達(dá)字P2P3P1P雷達(dá)短語(yǔ)4(a) (b)A B C D Ew1

圖 4.3 CNN 網(wǎng)絡(luò)結(jié)構(gòu)（2）循環(huán)神經(jīng)網(wǎng)絡(luò)前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及深度前饋神經(jīng)網(wǎng)絡(luò)中，其網(wǎng)絡(luò)連接只存在于相鄰地層與層，而同一層的神經(jīng)元節(jié)點(diǎn)之間沒(méi)有連接，這就導(dǎo)致雖然在圖像分類和目標(biāo)識(shí)別等有著出色的表現(xiàn)，但對(duì)序列數(shù)據(jù)（存在時(shí)間關(guān)聯(lián)性）是無(wú)法有效地提取它們之間體邏輯特征。循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks, RNN）不同于前饋神經(jīng)網(wǎng)絡(luò)，通過(guò)自反饋的神經(jīng)元來(lái)實(shí)現(xiàn)定向循環(huán)[52]，可以處理任意長(zhǎng)度（有時(shí)序聯(lián)系）的序列，更好地提取出序列數(shù)據(jù)中高維度信息整體特征，在自然語(yǔ)言處理、時(shí)間序列分析音識(shí)別等領(lǐng)域得到了廣泛應(yīng)用。為了更好地理解 RNN 網(wǎng)絡(luò)的結(jié)構(gòu)和原理，將 RNN 網(wǎng)絡(luò)按照時(shí)間展開后得到4。其中，左側(cè)為原始的 RNN 網(wǎng)絡(luò)結(jié)構(gòu)，右側(cè)為展開后的 RNN 網(wǎng)絡(luò)，t 表示當(dāng)前點(diǎn)。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈家煌;黃建沖;朱永成;;雷達(dá)輻射源信號(hào)快速識(shí)別綜述[J];電子信息對(duì)抗技術(shù);2017年05期

2 劉凱;王杰貴;;基于神經(jīng)網(wǎng)絡(luò)的未知雷達(dá)輻射源智能識(shí)別技術(shù)[J];電子信息對(duì)抗技術(shù);2013年06期

3 陳韜偉;朱明;陳振興;;雷達(dá)輻射源信號(hào)小波變換特征提取方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年06期

4 汪毅;;未知雷達(dá)輻射源分選的一種新方法[J];微計(jì)算機(jī)信息;2010年04期

5 陳韜偉;辛明;;基于小波變換的雷達(dá)輻射源信號(hào)特征提取[J];信息與電子工程;2010年04期

6 陳韜偉;金煒東;陳振興;;基于灰關(guān)聯(lián)分析的雷達(dá)輻射源信號(hào)盲分類[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年20期

7 李振初;;F-4G“野鼬”系統(tǒng)的改進(jìn)[J];電子對(duì)抗技術(shù);1988年06期

8 李明;;水面靶標(biāo)雷達(dá)輻射源的實(shí)現(xiàn)[J];中國(guó)新通信;2018年08期

9 劉凱;王杰貴;吳建飛;;基于區(qū)間灰關(guān)聯(lián)的未知雷達(dá)輻射源智能識(shí)別[J];現(xiàn)代防御技術(shù);2013年06期

10 陳昊;侯慧群;楊承志;張榮;;基于改進(jìn)灰關(guān)聯(lián)的雷達(dá)輻射源識(shí)別方法研究[J];現(xiàn)代防御技術(shù);2013年02期

相關(guān)會(huì)議論文 前10條

1 張葛祥;胡來(lái)招;金煒東;;雷達(dá)輻射源信號(hào)分形特征研究[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

2 黃高明;蘇國(guó)慶;張琪;李敬輝;;雷達(dá)輻射源智能識(shí)別系統(tǒng)及其神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

3 汪云亮;呂久明;劉孝剛;;基于信息熵的輻射源屬性分類方法[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

4 關(guān)欣;郭強(qiáng);趙靜;何高健;趙維青;;基于粗糙信息熵和蟻群算法的雷達(dá)輻射源識(shí)別研究[A];探索 創(chuàng)新 交流（第4集）——第四屆中國(guó)航空學(xué)會(huì)青年科技論壇文集[C];2010年

5 趙靜;關(guān)欣;郭強(qiáng);趙維青;;基于模糊C均值算法的雷達(dá)輻射源識(shí)別研究[A];探索 創(chuàng)新 交流（第4集）——第四屆中國(guó)航空學(xué)會(huì)青年科技論壇文集[C];2010年

6 吳委;廖學(xué)軍;;戰(zhàn)場(chǎng)電磁環(huán)境仿真中的雷達(dá)信號(hào)建模與仿真[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

7 王連亮;陳懷新;;雷達(dá)輻射源的自適應(yīng)數(shù)據(jù)關(guān)聯(lián)方法[A];中國(guó)雷達(dá)行業(yè)協(xié)會(huì)航空電子分會(huì)暨四川省電子學(xué)會(huì)航空航天專委會(huì)學(xué)術(shù)交流會(huì)論文集[C];2005年

8 陳昌孝;何明浩;徐t

本文編號(hào)：2817465