论文部分内容阅读
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。