基于形态小波范数熵和支持向量机的电能质量分类研究

针对电能质量信号分类存在实时性差、准确度低的问题,提出了一种基于HMT(hit or miss transform)小波范数熵(norm entropy,NE)和支持向量机(support vector machine,SVM)的电能质量扰动识别方法。根据HMT小波分解每一层能量不同的特点,取扰动信号的10层小波分解的范数熵组成特征矩阵。特征量起到了对扰动信号分形的作用,以此作为SVM的输入。为了提高分类的准确度,研究采用了粒子群算法(particle search optimization,PSO)对SVM参数进行了寻优,分类准确度达到99%左右。同时比较了HMT小波和传统db4小波分别和SVM结合时的准确度,证明了HMT小波的优势和本文特征量提取法的有效性。而对于含噪声的电能质量信号,采用了广义形态滤波器进行了滤波预处理。仿真结果表明,该方法识别准确率高,稳定性好,适用于电能质量扰动识别系统。

小波范数熵特征提取的模拟电路故障诊断方法

提出一种遗传优化神经网络与小波范数熵相结合的新型模拟电路故障诊断方法,降低神经网络的结构冗余度和减少过拟合现象。小波范数熵方法提取了故障数据的本质特征,遗传算法优化了神经网络的体系结构,诊断系统实施了模拟数据的故障分类。仿真结果表明,同小波变换预处理的故障诊断系统相比较,这种诊断系统具有更好的网络收敛性能、更高的诊断精确度和更强的推广能力,能对模拟电路故障元件进行有效识别和分类。

基于熵理论的间歇采样转发干扰识别方法

干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于熵理论的干扰识别方法,将熵的概念应用于干扰信号的特征提取,并使用支持向量机进行分类识别。对干扰及回波信号进行FFT变换及预处理后,提取信号频谱的3种熵特征,并进行仿真实验检验熵特征的性能。仿真结果表明,熵特征受噪声影响较小,将其作为特征参数进行干扰识别均能取得较为理想的识别结果,其中信息熵作为特征参数时的识别性能最优,指数熵次之,范数熵识别性能最差。

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。

基于多元集对分析的辐射源信号熵特征评价

针对雷达辐射源信号新特征选取问题,提出基于多元集对分析的熵特征评价方法。根据雷达辐射源信号香农熵、近似熵和范数熵特征的识别率、稳定性、灵敏性、时间复杂度和适用范围设计评价指标,采用多元集对分析对指标体系评价。仿真实验结果表明,多元集对分析能适应对不同属性重要度的要求,实现对雷达辐射源信号熵特征的评价,对雷达辐射源信号新特征选取有一定指导作用。

基于熵理论和RBF神经网络的有源压制干扰识别方法

电子干扰技术的发展使得有源干扰的性能得到了长足的进步,为了提高雷达抗干扰效果,有必要对不同类型的干扰采取针对性抗干扰措施。针对有源压制干扰的自动识别问题,本文研究了一种基于熵理论的有源压制干扰识别方法。对有源压制干扰信号进行FFT变换后,提取频谱的信息熵、指数熵以及范数熵,构建三维特征空间并送入径向基函数(RBF)神经网络进行识别。仿真结果表明,将熵特征作为特征参数能取得良好的识别效果。

基于支持向量机和无源特征的目标识别方法

通过引入机载雷达辐射这一无源特征,采用多类分类支持向量机进行类型识别,提出了一种更有效的目标识别方法。无源特征是有用信号和噪声的叠加,具有一定程度的不确定性,采用范数熵衡量无源特征,类间距较大,类内聚集性较强,还可以抑制噪声。支持向量机分类器结构简单、可获得全局最优、泛化能力强,多类分类支持向量机解决目标识别问题高效而且实用。实验证明,该方法明显地提高了目标识别的正确率。

多任务协同优化学习高分辨SAR稀疏自聚焦成像算法

针对传统高分辨合成孔径雷达(SAR)稀疏自聚焦成像算法难以有效平衡稀疏与聚焦特征的问题,该文提出一种基于交替方向多乘子方法(ADMM)的多任务协同优化学习稀疏自聚焦(MtL-SA)算法。该算法通过引入熵范数表征SAR成像结果聚焦特征,在ADMM优化框架下,利用近端算法求解聚焦特征解析解。针对原熵范数正则优化目标函数的非凸问题,该文合理设计代价函数,从而保证熵范数近端算子的闭合解析解。同时,应用`1范数表征成像结果稀疏特征,并建立面向复数SAR成像数据的复数软阈值近端算子。该文所提MtL-SA成像算法可实现对目标场景后向散射场对应稀疏特征和聚焦特征的解析求解,并有效提升自聚焦算法的可靠性和稳健性。两种特征增强处理相互调和,保证了算法运行过程中有效降低误差传播,进而保证联合特征增强精度。仿真及实测机载SAR成像数据实验,验证了算法的有效性和实用性,同时应用相变分析方法分别定量和定性地分析了该文所提算法相比其他传统算法的优越性。