未知辐射源识别技术研究进展

随着各种新型辐射源的出现或战时预留模式的采用,实际战场电磁环境日益复杂,大概率会出现未知辐射源,传统辐射源识别方法的准确率必将受到较大影响。文中首先分析了未知辐射源对识别精度影响的机理;然后,重点从领域自适应和开集学习两个方面综述了未知辐射源识别方法;最后,对未知辐射源识别的发展方向提出几点思考。

基于单站干涉仪测向法的未知辐射源定位技术

针对未知辐射源对信息化武器装备靶场性能指标考核造成不利影响的问题,文中对干涉仪测向原理、不模糊视角及测向精度进行了分析,给出了克服不模糊视角及测向精度二者矛盾的解决方案;基于测向角度,利用对单台测向设备多次布站的方式,采用交叉定位法及误差剔除方法,给出了对未知辐射源的高精度定位方法。

基于多目标信息的未知辐射源高精度定位方法

辐射源位置是外辐射源雷达系统中的重要信息。然而,在某些特殊情况下辐射源位置无法直接获知,这严重制约了该系统的应用。提出了基于多目标信息的辐射源定位方法,并提出了基于改进最小二乘和牛顿迭代的定位方程解算算法。实测数据处理验证了方法的正确性和所提算法的快速收敛性。结果表明,定位误差可达10m量级,所提方法对提高该系统的作战效能具有重要价值。

基于区间灰关联的未知雷达辐射源智能识别

对未知雷达辐射源的分类识别是一个难点问题,提出了一种基于区间灰关联的未知雷达辐射源智能识别方法。该方法采用产生式规则表示专家知识,然后在采用区间型知识灰关联分析的基础上,利用二级匹配的知识推理方法,识别未知雷达辐射源工作状态,并进一步进行威胁分析。仿真表明,该方法是有效可行的,为未知雷达辐射源的识别提供了一种新思路。

基于神经网络的未知雷达辐射源智能识别技术

提出了一种基于神经网络的未知雷达辐射源智能识别方法,该方法以实际中获得的雷达信号参数为基础,训练神经网络,对未知雷达参数进行预测识别,给出可能的工作状态,并分析其威胁程度。仿真实验表明,该方法是有效可行的,为工程上实现未知雷达辐射源的识别提供了一种新思路。

面向电磁大数据的未知雷达辐射源智能识别

基于人工智能的方法在雷达辐射源识别任务中已取得很好的效果。但随着电子信息技术的发展,将会出现越来越多的未知辐射源,其特征分布与类别都是未知的,在缺少先验知识的情况下,难以对人工智能模型进行充分的训练,使得现有的大多数方法都无法很好地完成对未知雷达辐射源的识别。为了解决上述问题,提出并阐述了可用于未知雷达辐射源识别的电磁大数据的解决方案,重点研究了基于Flink的未知雷达辐射源快速比对检索识别算法。通过对比实验证明了该方法的有效性,其识别准确率可达87.2%,当并行度设置为6时,整个互信息与K最近邻(MI-KNN)并行化算法耗时仅为4.7s。

基于智能算法的辐射源信号分选研究

基于规则和模板的辐射源信号分选算法难以实现对未知辐射源的快速分选;同时,算法对历史数据运用能力不足,模型难以进化,无法适应复杂辐射源信号处理需求。文中研究了一种智能算法辐射源分选方法,设计了在线分选和离线训练分选流程,介绍了监督学习算法对已知辐射源的快速分选和对未知类别辐射源学习的能力,以及非监督学习算法对未知辐射源模糊聚类的能力。该辐射源分选能够实现对辐射源历史数据的挖掘和分析;同时,初步具有对未知类型辐射源分选和识别的能力。