基于多平台侦察信息的综合目标识别技术研究

论文摘要

在现代电子战中,雷达占有举足轻重的地位。只有获取了雷达的型号、参数、体制等信息,才能判断其所在平台的特征,从而为作战指挥员提供可靠的决策依据。因此,对雷达辐射源的识别,成为电子情报侦察系统(ELINT)和电子支援系统(ESM)的重要功能之一。传统的电子情报侦察系统所需要的信息主要依靠单一平台上的雷达侦察设备的一次报告提供,而单一传感器往往只能反映被测目标某一方面的特征,对雷达型号的识别一般难以获得较好的识别效果。因此,本文以多平台协同侦察为基础,主要研究了:(1)多源同类信息关联:利用灰色系统理论中绝对关联度的定义和性质,实现多平台对来自同一雷达辐射源的信号的相关处理,为对雷达辐射源的综合识别奠定了基础;(2)多源信息融合:将正确关联上的多组雷达辐射源信号利用一阶缓冲算子,弱化由探测设备精度和战场环境造成的随机误差,并应用最小二乘法对其进行特征融合,以提高对雷达辐射源的识别可信度;(3)SVM分类识别器:随着现代战场空间大量具有复杂信号特征的新体制雷达、多功能雷达的涌现,使战场电磁环境变得日益密集、复杂,再加上恶劣的战场环境、人为干扰等因素,使获得的雷达辐射源特征参数具有很大的不确定性,从而给传统的识别方法带来挑战。故本文分别介绍RBF和SVM两种算法的分类器建立以及在雷达辐射源型号识别中的应用,目的是通过仿真比较说明SVM分类器在雷达型号识别中比RBF分类器具有更高的识别准确率,以便后续综合目标识别时选取SVM分类器进行系统设计。(4)基于多平台的雷达辐射源识别系统:利用多平台之间的相互协同侦察,共享各平台之间的侦察信息,综合各平台的识别结果,实现对雷达辐射源的综合识别。仿真结果表明,本文阐述的一系列思想和算法可极大地提高雷达辐射源的识别可信度和识别正确率,具有一定的可行性和工程价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的目的及其意义
• 1.2 国内外研究的现状
• 1.3 雷达辐射源的识别方法
• 1.3.1 直接数据库比较查询法
• 1.3.2 专家系统
• 1.3.3 神经网络分析法
• 1.3.4 支持向量分析法
• 1.3.5 多传感器融合法
• 1.4 本文主要研究的内容及特色
• 1.5 本文组织结构
• 第二章 多平台同类信息关联
• 2.1 改进的灰色绝对关联度
• 2.2 测向定位法求时差
• 2.3 仿真结果分析
• 2.4 本章小结
• 第三章 多平台信息融合在雷达辐射源识别中的应用
• 3.1 数据融合
• 3.1.1 数据融合的概述
• 3.1.2 数据融合的处理结构
• 3.1.3 最小二乘数据融合算法
• 3.2 缓冲算子
• 3.3 随机振荡序列的改进
• 3.4 雷达辐射源识别中的数据融合
• 3.5 仿真结果
• 3.6 本章小结
• 第四章 雷达辐射源型号识别算法研究
• 4.1 分类器模型
• 4.2 径向基函数（RBF）神经网络算法
• 4.2.1 RBF 神经网络结构
• 4.2.2 RBF 网络输出计算
• 4.2.3 RBF 网络的常规学习算法
• 4.3 支持向量机（SVM）算法
• 4.3.1 线性支持向量机
• 4.3.2 非线性支持向量机
• 4.3.3 多类问题中的SVM
• 4.4 仿真结果
• 4.5 本章小结
• 第五章 雷达辐射源的综合识别及其实现
• 5.1 雷达辐射源识别可信度计算方法及识别流程
• 5.1.1 各参数在识别过程中的可信度计算方法
• 5.1.2 识别可信度的计算方法
• 5.1.3 识别流程
• 5.2 雷达辐射源型号冲突裁决
• 5.3 雷达辐射源综合识别系统及其算法流程
• 5.3.1 雷达辐射源综合识别系统
• 5.3.2 雷达辐射源综合识别的算法流程
• 5.4 仿真结果
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文的工作总结
• 6.2 研究展望
• 致谢
• 参考文献
• 附录A
• 作者在攻读硕士学位期间发表的论文及参与的项目
• 附录B
• 软件基本操作说明