一种基于Kohonen和最小风险贝叶斯决策的雷达信号识别方法

鉴于有监督的Kohonen神经网络在雷达信号识别方面的不足,将S-Kohonen神经网络和最小风险贝叶斯决策相结合,提出了一种加强的S-Kohonen-Bayes方法对雷达信号进行分类,并利用Adaboost强分类器设计对识别结果进行修正.人工仿真实验结果表明,错误率平均降低了36%,改进方法具有良好的识别能力,使用最小风险贝叶斯决策进行修正是有效和必要的.

一种基于Kohonen神经网络的雷达回波特征识别和分类方法研究

本文针对雷达三维目标回波特征抽取和分类问题,提出了一种基于均值滤波器和Kohonen自组织映射神经网络相结合的方法。仿真实验表明该方法抽取的特征具有良好的稳定性,且精度高,比单一的自组织分类器有更强的优势,最后通过采用实地录取的两组雷达目标回波数据进行检验,实验数据表明该方法可以使准确率达到90%以上,具有良好的提取效果和实用性。