雷达辐射源识别算法研究

本文首先分析了雷达对抗所面临的威胁和目前国内外雷达辐射源的识别方法，讨论了最具有爆发性的新兴学科——人工神经网络技术在未来军事系统中所起的作用。随着科学技术的发展，现代雷达都具有较先进的反侦察和反干扰特性，现代电子战中采用识别方法的仍然是数据库或知识库比较查询的方法，这种方法的优点是实现简单，识别速度快，但这种方法的容错性和可靠性已经不能适应现代战争的需要。近而本文又提出一种雷达型号的三级识别模型，该模型将人工神经网络、距离╱模糊匹配和不确定推理与决策有效的结合起来，基本思路为：首先用神经网络进行粗分类，识别出雷达的体制，这样为进一步的雷达信号威胁识别打下了基础；然后通过距离／模糊匹配识别出该体制下的雷达型号；最后根据不确定推理与决策理论对不同空域和时域的数据进行融合。实验结果表明：该模型提高了数据融合中的雷达型号识别率和可靠性，显示了在强噪声、电磁信号日益密集环境下的良好应用前景。 本文采用神经网络雷达体制分类器方法，随着雷达数量增加时，神经网络存在着学习训练时间长和性能降低等问题。为了解决该问题，我们可以考虑采用子神经网络的思想，即把一个大的、复杂的神经网络的功能用几个简单的小神经网络来实现，这将是我们日后工作的一个研究方向。