远程探空雷达辐射源识别技术

论文摘要

远程探空雷达辐射源识别是卫星防御地面激光武器威胁告警系统中的关键处理过程,识别结果不仅反映了电子对抗信息的实时性与可靠性,也直接影响到电子对抗战争的成败。本文在基于神经网络识别技术基础上,采用粗糙集理论与神经网络相结合的方法,进行远程探空雷达辐射源信号识别的初探研究,以期获得更简便﹑快速﹑准确的雷达辐射源识别方法。首先介绍了电子侦察系统的基本结构,针对常见远程探空雷达辐射源体制——单载频信号和线性调频信号进行了分析;将常规特征和脉内特征相结合作为识别特征;用傅利叶变换加窗滤噪法对信号进行常规特征提取,对比常见的脉内特征提取方法的优缺点,选择短时傅利叶变换法对信号脉内特征进行提取,并估计出脉冲重复频率特征。其次在提取出辐射源特征的基础上,分析了误差反传神经网络(Error Back Progragation,BP)和径向基神经网络( Radial Basis Function,RBF)的结构、算法及参数选择方法,分别用BP神经网络和RBF神经网络在不同信噪比下,对五种远程探空雷达辐射源进行分类识别,并对比二者识别效果。最后针对传统神经网络识别系统在输入特征维数较多时训练学习时间较长的情况,引入粗糙集理论,构建了基于粗糙集的RBF神经网络识别系统;用粗糙集理论对特征参数进行预处理,去掉冗余特征,生成最简规则表,用规则表构建RBF神经网络,形成基于粗糙集的RBF神经网络分类器;对五种具有多种工作模式的远程探空雷达进行分类识别;经仿真实验证明,该方法与传统RBF神经网络分类器比较,具有输入维数少、网络结构小、训练速度快及识别效果好的优点,对提高星载电子侦察系统预警效率具有一定实际意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究的目的和意义
• 1.2 国内外雷达辐射源识别的研究现状
• 1.3 本文的主要研究内容
• 第2章 远程探空雷达辐射源识别模型
• 2.1 引言
• 2.2 雷达电子侦察系统组成
• 2.3 远程探空雷达信号源模型
• 2.4 雷达信号脉内特征分析方法
• 2.4.1 瞬时自相关法
• 2.4.2 短时傅利叶变换
• 2.4.3 WVD 时频分布
• 2.4.4 小波变换法
• 2.5 本章小结
• 第3章 雷达辐射源特征提取
• 3.1 引言
• 3.2 常规特征提取
• 3.3 脉内特征特征提取
• 3.4 脉冲重复频率特征提取
• 3.5 本章小结
• 第4章 基于神经网络的雷达辐射源分类器设计
• 4.1 引言
• 4.2 基于神经网络的分类器
• 4.2.1 BP 神经网络分类器
• 4.2.2 RBF 神经网络分类器
• 4.3 本章小结
• 第5章 基于粗糙集神经网络分类器设计
• 5.1 引言
• 5.2 粗糙集理论基本概念
• 5.2.1 粗糙集上近似与下近似
• 5.2.2 粗糙集信息系统和决策表
• 5.2.3 数据离散化
• 5.2.4 粗糙集知识约简
• 5.3 基于粗糙集的特征选择
• 5.4 基于粗糙集的RBF 神经网络结构
• 5.5 仿真实验及结果分析
• 5.6 本章小结
• 结论
• 参考文献
• 致谢