一、一种雷达与ESM相关算法的改进算法（论文文献综述）
王骏逸[1]（2020）在《基于机器学习的雷达辐射源分选方法设计与实现》文中指出雷达辐射源分选是电子侦察环节的重要内容,信号分选的效果直接决定着电子战局势的发展。随着雷达技术的日益发展,雷达体制逐渐多样化和复杂化。当前电磁环境日益复杂,传统的雷达分选技术已经远无法满足当前电子战的需要。针对这一现状,本文研究如何利用机器学习算法设计出合理有效的雷达辐射源分选方法。本文的主要贡献及研究内容如下:本文对类别不平衡条件下的雷达辐射源分选进行了研究,并提出了一种基于平衡随机森林（Balanced Random Forest,BRF）的分选方法。首先介绍了类别不平衡的相关概念和解决问题的技术手段,然后针对传统的机器学习算法预测小类时表现欠佳的问题,深入研究了BRF算法,并创造性地将BRF算法引入到雷达辐射源分选任务之中,提出了一种基于BRF的雷达辐射源分选方法。最后通过实验对比分析了支持向量机、K近邻法和BRF应用于雷达辐射源分选的效果,说明了在类别不平衡的条件下基于BRF的分选方法不仅能够显着地改善小类雷达辐射源的分选效果,还能提升整体的分选性能。本文继续对缺乏先验条件下的未知雷达辐射源分选进行了研究,并提出了一种基于具有噪声鲁棒的密度聚类（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的分选方法。首先对不同类型的聚类算法进行了介绍,并对其优缺点和适用范围进行了分析。接下来重点研究了基于密度聚类的DBSCAN算法,并提出了一种基于DBSCAN的未知雷达辐射源分选方法。通过实验对比分析了 K-均值聚类、基于层次方法的平衡迭代归约聚类、谱聚类和DBSCAN应用于未知雷达辐射源分选的效果,说明了基于DBSCAN的分选方法对于不同调制方式的雷达辐射源具有很好的分选效果,且具有很高的分选准确率。
余思伟[2]（2020）在《机载雷达能量资源约束的协同目标跟踪研究》文中研究说明为了获取空中优势,如在电子对抗中提高我方雷达的射频隐身性能,基于多机雷达协同的射频隐身技术成为了未来射频隐身技术发展的一个重要趋势。本文的研究内容包括机载雷达功率、驻留时间、采样间隔设计和机载雷达协同无源探测系统的目标跟踪策略,主要工作有:（1）详细介绍了机载雷达射频隐身,以及机载雷达协同目标探测与跟踪的国内外研究现状与发展趋势。（2）研究了机载雷达目标跟踪技术及其射频隐身表征参量。分析了交互式多模型卡尔曼滤波算法;对截获距离、截获因子、截获概率等射频隐身性能表征参量进行了分析,并指出功率域截获概率是评估无源探测系统截获性能的关键指标。（3）研究了单机雷达目标跟踪过程的射频隐身策略。针对机载雷达的驻留时间资源,仿真对比了目标跟踪过程中最小驻留时间和固定驻留时间策略对机载雷达射频隐身性能的影响。根据交互式多模型卡尔曼滤波过程中的滤波残差与协方差误差标准差的比例关系改进了基于递推法的采样间隔设计方法,并将其应用于机载雷达目标跟踪的采样间隔设计,仿真对比表明,该方法优于传统的采样间隔分级设计方法,并且获得了后验克拉美罗界采样间隔方法的射频隐身性能。（4）研究了基于辐射能量约束的多机雷达协同目标跟踪射频隐身策略。分别针对目标距离与RCS,推导了满足多机雷达协同辐射能量约束的数学模型。仿真表明,所提方法在双机与目标距离相差很大时,双机雷达协同目标跟踪比单机具有更好的射频隐身性能。根据双站RCS动态变化的协同目标跟踪仿真表明,所提模型有利于同时改善目标跟踪性能与射频隐身性能。针对目标上搭载有源电子设备工作的情况,提出了基于交互式多模型无迹卡尔曼滤波的双机有源与无源协同的目标跟踪策略。仿真表明,所提方法的射频隐身性能优于双机协同方法、Li的最小化测量误差方法和E.Zandi基于融合系数的协同方法,且保持了与Li方法相近的跟踪性能。
李卓桓[3]（2020）在《杂波条件下的雷达导引头射频隐身信号参数设计研究》文中认为随着无源探测系统的发展,雷达导引头的发射信号容易被敌方无源接收机截获,进而被定位和跟踪。为了保证导引头平台在执行任务时的生存能力,研究导引头雷达射频隐身能力具有重要意义,而导引头在对地和对海作战时,必须考虑杂波对其的影响,本文针对导引头雷达杂波环境下的射频隐身技术进行了研究,主要研究内容有:（1）研究了雷达探测性能受环境条件如雨、雾以及杂波的影响,分析了射频隐身指标中的截获概率和截获因子,从截获概率分析无源截获雷达所要满足的条件,从截获因子出发分析雷达射频隐身条件下的发射功率。（2）研究了地杂波下的雷达射频隐身信号参数设计。首先研究了地杂波的时频域特征。然后研究了脉冲对消处理对地杂波的抑制效果,并给出了采用脉冲对消的雷达导引头的射频隐身信号参数设计模型。同时,研究了对称三角线性调频连续波雷达在地杂波下对动目标的检测,并给出了连续波雷达导引头的射频隐身信号参数设计模型。仿真表明,当目标在80公里以内且RCS大于50平方米,脉冲对消雷达在探测到目标的同时具有较好的射频隐身性能。而连续波雷达在隔离度达到-118d B的情况下,当目标在40公里以内且RCS至少为50平方米,存在满足探测和射频隐身条件的雷达参数。（3）研究了海杂波下的雷达射频隐身信号参数设计。首先研究了海杂波的时频域特性,然后分析了在瑞利分布和K分布杂波条件下特定恒虚警算法的检测性能,给出了基于恒虚警检测算法的雷达导引头射频隐身信号参数设计模型。同时,分析了雷达导引头采用宽波束发射对目标探测性能和射频隐身性能的影响。仿真表明,当目标在100公里以内且RCS为1000平方米时,雷达导引头在探测到目标的同时具有较好的射频隐身性能。
魏煜宁[4]（2020）在《雷达有源干扰智能识别及时域对消技术研究》文中指出现代战争中,雷达能够及时获取战场信息,发挥了极其重要的作用,如何在战争中阻止敌方获取信息同时保证己方雷达正常工作逐渐受到各国重视,因此针对雷达干扰和抗干扰技术研究的地位愈发重要。雷达干扰信号识别技术是雷达抗干扰技术的前提和基础。研究雷达的干扰信号识别及其抗干扰技术能够有效地提高己方雷达在现代战场上的生存率,显着提高雷达的作战性能,甚至能够决定现代战争的成败,因而雷达干扰信号识别及其抗干扰技术对现代电子战争具有重大意义。基于以上背景,本文重点研究了雷达干扰信号识别技术和雷达抗主瓣干扰的关键技术,主要的研究内容如下:（1）研究了雷达干扰信号识别决策树的自动化设计方法。在分析了原有基于参数特征提取的识别方法上,针对传统方法在特征选取及分类器设计的过程中需要人工介入进行特征筛选和确定分类门限的缺点,提出了一种基于模糊C均值（Fuzzy C-Means,FCM）聚类决策树的干扰信号识别方法,实现了雷达干扰信号识别决策树的自动化设计。计算机仿真及雷达对抗数据验证了该方法的有效性。（2）研究了复合干扰信号的识别算法。当前针对复合干扰信号识别多局限于多域参数特征提取的方法,本文提出基于SPWVD的复合干扰信号识别算法,通过复合干扰信号在时频域的差异进行识别。分析了魏格纳-威利（Wigner-Ville Distribution,WVD）分布和伪平滑魏格纳-威利（Smoothed Pseudo Wigner-Ville Distribution,SPWVD）两种时频分析方法的差异,在SPWVD分布的基础上分别提出了基于Alexnet神经网络的复合干扰信号识别方法和符号化时间序列分析（Symbolic Time Series Analysis,STSA）的复合干扰信号识别方法,同时分析了两种方法的利弊。计算机仿真验证了这两种方法对本文的复合干扰信号有较好的识别效果。（3）研究了雷达抗主瓣恒模干扰算法。通过分析时域对消算法,推导其对消后信号的表达式,发现了信号损失6d B的原因,然后提出改进的时变匹配滤波器补偿损失,提高了对消算法的性能。随后二次对消修正目标位置处残余干扰项可以显着提高干扰抑制性能,使主目标附近的小目标能够显示出来。计算机仿真及实测数据验证结果表明,该方法能够补偿传统对消方法对信号的损失,并能提取主目标附近的小目标,有较好的抑制干扰性能。
顾一休,李军,邱令存,曹政[5]（2019）在《基于B型灰色关联度的雷达与ESM航迹关联算法》文中研究指明为解决同平台雷达与电子侦察设备（ESM）的航迹关联问题,提出了一种基于B型灰色关联度的航迹关联算法。首先,对ESM数据基于灰色代数曲线模型（GAM）进行平滑处理;其次,将雷达测量数据进行坐标转换,完成雷达与ESM的时空对准;最后,计算出雷达与ESM不同航迹对之间的B型灰色关联度,并制定航迹关联的判定规则,以此选出航迹关联对。仿真结果表明,该方法效果较好,方便实现。
程琳[6]（2019）在《基于脉冲重频与脉内调制的雷达信号分选方法》文中认为雷达信号的分选是电子情报侦察系统的重要组成部分。在当今日益复杂的电磁环境下,各类复杂的侦收场景与工程需求层出不穷,现有的分选技术面临着新的问题与挑战。本文针对复杂电磁环境下的雷达信号分选问题。分别研究了主瓣脉冲关联分选、辐射源个体聚类、实测数据分析与软件实现等问题。论文的主要工作如下:（1）针对实际的脉冲雷达信号分选中经常出现的大批量同型目标仅截获雷达主瓣脉冲,给准确分选带来很大难度的情况。提出了一种雷达主瓣脉冲关联分选方法,利用脉冲重复频率进行主瓣脉冲提取及关联聚类实现信号分选。以达到在脉冲丢失率较高的主瓣侦收场景下,较好地实现同脉冲重复间隔（Pulse Repetition Interval,PRI）辐射源信号的分选。（2）研究了基于脉内无意调制特征的脉冲雷达信号聚类问题。针对现有算法的局限性与雷达信号脉内无意调制特征的特点,提出了一种基于核密度估计的改进密度峰值聚类算法。该算法首先通过核密度估计最优带宽选择自适应截断距离,然后计算各点局部密度与相对距离的大小差异度,再用斜率的变化找出临界点,从而确定聚类中心。经仿真与实测数据验证,该算法有效地改善了传统密度峰值聚类算法（Density Peaks Clustering,DPC）的缺陷,可以更好地适用于雷达信号脉内无意调制特征的聚类分选。（3）进行了基于实测信号的雷达辐射源特征参量聚类实验。考查了不同特征参量与不同聚类算法的聚类性能,验证了本文提出的改进DPC聚类算法的有效性,探索了雷达辐射源特征参量聚类在工程应用中的可行性。（4）针对雷达辐射源个体分类识别的工程需求,设计并实现了雷达辐射源个体分类识别软件,在新目标学习、新目标识别、已有目标识别等方面实现了对雷达辐射源无意调制特征的自动处理,验证了本文所提出的改进DPC聚类算法在工程实践中的有效性。
方旖[7]（2019）在《多功能相控阵雷达行为分析与辨识技术研究》文中提出多功能相控阵雷达（Multifunction Phased Array Radar,MPAR）具有波束与信号捷变、自适应性强等特点,这就要求新型雷达对抗系统也必须同样具有自适应、智能化为主要特点的认知对抗能力。开展雷达辐射源行为级智能对抗,准确感知雷达行为状态的动态变化,对实时自适应生成干扰对抗策略的形成具有重大意义。本文针对未来战场MPAR多任务并行、数据率高和高度智能化的特点,面向认知电子战中雷达行为识别需求,开展MPAR行为辨识技术研究。论文主要的研究内容如下:1.结合MPAR行为特性与工作调度规律,对句法结构模型进行优化,增加了能够表示雷达执行任务规律的层次,即“雷达段落”,并分析了各个层级与雷达行为（或状态）之间的对应关系;归纳总结了MPAR的行为特征规律,分析了雷达特征规律与雷达行为之间的映射关系,为后续进行MPAR行为辨识提供了理论支撑。2.针对MPAR信号捷变的问题,提出了基于贝叶斯的变化点检测算法。利用MPAR脉冲特征的联合概率对脉冲序列进行功能性划分,以对应雷达当前行为状态。对于解决传统脉冲划分算法需要完整准确的脉冲信息,且会打乱原有的时间序列关系等问题,该算法具有一定的效果。仿真实验表明该算法对常规与非常规脉冲序列都有较为准确的划分结果。3.针对“小样本”无标签雷达信号数据,提出基于主成分分析和均值漂移的无监督C-均值聚类算法。引入主成分分析确定主要脉冲参数,降低数据量,通过数据预处理与均值漂移优化聚类中心,实现MPAR脉冲序列快速有效分类。实验结果验证了该算法的有效性。根据MPAR行为与信号特性之间的逻辑映射关系,提供了构造行为-特征矩阵的方法,用于推断雷达行为。4.针对基于“数据”驱动的雷达行为智能辨识需求,面向人工提取的MPAR脉冲参数序列和直接截获的MPAR信号分别提出了基于BP神经网络和卷积神经网络的有监督行为辨识方法,构建了不同成分的雷达行为数据集,对不同条件下截获的雷达信号都可以进行有效分析和处理,达到较好的行为识别效果。
王怡宁[8]（2019）在《复杂雷达信号分选技术研究》文中提出目前的电磁环境日益复杂,侦察接收机短时间内接收到来自各个方向调制类型复杂的雷达信号,这些信号相互交叠且其调制参数十分复杂。要对电磁环境中的辐射源进行研究和分析,首先就要对这些交叠的脉冲进行分选,信号分选的结果直接影响着后续的分析结果。因此,复杂电磁环境下的雷达信号分选技术是一个十分重要的研究课题。现如今,基于传统五参数的分选技术已经有了较多的研究成果,其中聚类分选算法、PRI分选算法都是当前的研究热点。由于传统参数的研究瓶颈,挖掘脉内的特征信息用于分选也是当前的一个的重要研究方向。除此之外,流程化现有算法形成完整的分选模型也具有重要的研究价值。因此本文在上述几方面做了全面深入的研究并在此基础上提出了四点创新,主要内容包括:首先,分析了分选参数的特点,梳理了典型分选系统的流程。针对传统流程中存在的分选级数过多、不适用于复杂信号分选等缺点,提出了一种改进的分选模型,该新型分选系统的主要流程为:（1）进行已知雷达模板匹配并扣除对应的脉冲信号;（2）对剩余的未知雷达信号使用DOA参数进行划分,进而降低脉冲流密度;（3）进行脉间特征参数和脉内特征参数的联合聚类,根据聚类结果动态修改聚类参数;（4）基于PRI信息进行去交错,得到最终的分选结果。接着,梳理了典型信号的脉内调制方式,挖掘了这些信号的脉内复杂度特征和相像系数,根据仿真分析得出脉间相像系数特征区分度和稳定度最好。接着分析了传统的聚类算法的优缺点,基于Cr2特征仿真分析了k-means和SVC算法。在此基础上提出了将脉内特征参数Cr2与脉间的PW、RF联合用于聚类分选的方法,并通过SVC聚类进行了仿真验证,结果证明了联合聚类思想的优越性。最后,研究了统计直方图法、CDIF法、SDIF法、PRI变换法、改进的PRI变换法、平面变换技术和一种针对滑变PRI的分选算法,仿真分析了这些算法的适用条件。针对PRI分选算法提出了两种新的算法,一是提出了一种基于动态二维特征向量匹配的PRI分选算法。该方法适用于复杂PRI、受测量误差的影响较小、存在脉冲丢失和虚假脉冲时仍有较好的分选结果,但该方法不适用于抖动PRI调制信号的分选。二是利用动态二维特征向量匹配分选方法与改进的PRI变换法适用范围互补的特点,扬长避短,提出一种综合分选方法。该综合分选方法的正确分选率较高,可用于调制样式较多的复杂信号分选且分选效果较好。
昌志松[9]（2019）在《雷达通信一体化系统的信号处理与识别技术研究》文中进行了进一步梳理综合雷达、通信等设备来构建一个多平台、多传感器信息融合与资源共享的一体化电子战系统是现代战争中电子对抗技术的发展思路,也是当前研究的重要课题。目前雷达通信一体化系统虽已取得初步的研究成果,但还处于初级阶段,大多数的研究主要关注在信号波形与系统设计上,而对于一体化的信号处理与识别的研究相对较少。随着一体化技术的飞快发展,其信号的处理与识别问题,对获取敌方情报与战争态势评估有着至关重要的意义。基于此,本文结合典型的雷达通信一体化系统,对混叠信号分离算法、通信信号调制识别、雷达辐射源识别、一体化目标识别系统模型进行了研究,主要工作如下:（1）针对雷达通信一体化系统的信号混叠问题,研究了信号分离模型,并应用快速独立成分分析算法实现了混叠的雷达信号和混叠的雷达通信一体化信号的分离。在信噪比为5dB的情形下,仿真获得的分离信号与原始信号具有96%以上的相似度。（2）针对分离出的通信信号分量,对目前通信信号识别算法中分类器在不同信噪比下的波动性大、稳定性不强的问题,提出了一种Stacking-SVM的调制识别算法。该算法采用集成学习的思想,利用Stacking学习法对单一的SVM调制识别进行改进,通过构建一个分层的SVM结构模型,使下一层学习器利用上一层学习器的预测结果进行训练,最终使得整个模型可以学习到信号更加全面的本质特征。仿真实验表明,所提出的算法具有较高的识别准确率,同时在不同信噪比下,算法的稳定性表现更好。（3）针对分离出的雷达信号分量,对雷达信号特征提取和分类器设计两方面存在的不足,提出了一种改进的雷达辐射源识别方法。该方法在特征提取方面,提取了时频图像的纹理特征和形状特征,同时结合信号频谱和瞬时频率的相关特征,构成融合特征集;在分类器设计方面,本文首次将基于GBDT模型提取高阶特征的方法应用在雷达辐射源识别领域,利用该方法对雷达信号进行高阶特征提取,并将提取的特征通过正则化的逻辑回归进行最终分类。最后,仿真对比结果表明,本文所提出的方法在低信噪比下具有更高的识别准确率。（4）针对雷达通信一体化系统的目标识别问题,构建了一种基于多传感器融合的雷达通信一体化目标识别系统模型。该模型利用雷达侦察传感器和通信侦察传感器获得的有用信息与一体化信号处理的结果相结合,得到更全面的目标信息,然后利用基于多传感器信息融合的目标识别算法来获取更准确的目标识别结果。仿真表明,采用该系统模型使得识别的不确定性大为下降,增加了置信度,即该系统模型是有效的。
欧健[10]（2017）在《多功能雷达行为辨识与预测技术研究》文中研究说明雷达情报侦察作为雷达对抗的关键一环,在现代电子战（Electronic Warfare,EW）中发挥着至关重要的作用。然而,随着有源相控阵（Active Electronically Scanned Array,AESA）等技术的快速发展,多功能雷达（Multi-Function Radar,MFR）得到了广泛的应用,并且发展成为一种具有多功能、多任务、多种工作模式,高数据率、高可靠性和高度智能化的感知系统,展现出极强的灵活性和自适应能力,给雷达对抗技术带来了前所未有的挑战。因而,在与威力日益强大、功能趋于完善的MFR进行动态博弈的过程中,电子情报（Electronic Intelligent,ELINT）侦察系统必须具备及时准确地感知MFR内部状态动态变化的能力,才能引导对抗装备敏捷地决策出最优的对抗策略。正因如此,对MFR的认知已成为当前雷达对抗领域亟待突破的问题。为了更准确地描述MFR信号的规律和特征,本文定义了“雷达行为”的概念,即“雷达对战场态势及电磁环境作出的内部资源分配与外部信号辐射等所有反应的总和”。在此基础上,本文以防空雷达网突防场景中的电子对抗为背景,紧密围绕MFR行为的特征,利用ELINT系统截获的MFR信号数据,结合句法模式识别、离散时间动态系统、人工神经网络等理论工具,从MFR行为的特征表征、建模、辨识和预测四个方面入手,开展了一系列研究:在对MFR行为特征的表征方面,研究了能够适应复杂捷变MFR信号的表征方法。从雷达辐射源脉冲流分选后形成的单部雷达脉冲序列入手,将雷达字作为MFR行为特征表征的载体,分析了MFR雷达字序列具有的马尔可夫性质;开展了多层级MFR信号模型扩展研究,对传统句法模型中的概念进行适当延伸,改进了雷达字的表征和存储方式,将句法模型方法的适用范围扩展到所有常规的脉冲雷达;在扩展后的MFR信号结构模型框架下,提出了两种改进的MFR雷达字提取算法,更有效地利用了信号中的参数信息,提高了MFR雷达字提取的准确率。行为建模方面,将MFR雷达字序列生成视为离散时间动态系统,研究了基于预测状态表示（Predictive State Representation,PSR）模型的MFR信号逆向建模方法。在常规的PSR发现与学习算法的基础上,提出了针对MFR信号改进优化的建模训练算法,并对各步骤实现流程进行了详细阐述。复杂度分析的结果证明改进算法能够有效控制算法的复杂度;仿真实验结果进一步验证了所提算法能够实现较高的建模精度,并显着提高建模和训练的效率。行为辨识方面,研究了对MFR工作模式的辨识方法。基于MFR的句法模型,分别提出了知识辅助和数据驱动的MFR逆向建模方法,用于构造与MFR行为规律对应的自动机,进而实现MFR工作模式的辨识;在基于PSR的MFR工作模式辨识框架下,提出了基于栅格滤波器的识别算法,利用PSR表征能力强的优势,可以实现比隐马尔可夫模型（Hidden Markov Model,HMM）更好的识别效果;针对工作模式转移概率不易获取的问题,提出一种预测状态累积的识别算法,降低对先验信息的依赖。行为预测方面,研究了对MFR信号序列的预测方法。提出了基于PSR的预测算法框架,并在此基础上提出基于线性PSR预测器的MFR信号序列预测算法,显着降低了复杂度;进一步提出一种步间迭代的预测算法,将低阶预测的结果作为高阶预测的条件,通过迭代方式实现MFR信号的多步预测,同时避免了因为未来观测组合的不确定性带来的高计算量;提出一种将PSR与BP神经网络相结合的MFR信号序列预测方法,分析了输入和输出层神经元设置、隐藏层数和神经元数的确定以及激活函数和训练算法的选择等问题,利用训练后的BP网络开展MFR信号序列预测,取得了较好的效果。论文的研究成果完善了MFR行为特征表征的理论,构建了MFR信号的逆向模型,提出多种MFR行为辨识和预测的算法,从而为智能化的干扰决策和雷达对抗提供理论指导,并为认知电子战的工程化应用提供技术支撑。
二、一种雷达与ESM相关算法的改进算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种雷达与ESM相关算法的改进算法（论文提纲范文）
（1）基于机器学习的雷达辐射源分选方法设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作与章节安排 |
| 第二章 雷达辐射源环境的研究与建模 |
| 2.1 引言 |
| 2.2 雷达辐射源环境分析 |
| 2.3 雷达辐射源信号参数 |
| 2.3.1 脉冲到达时间 |
| 2.3.2 载波频率 |
| 2.3.3 脉冲宽度 |
| 2.3.4 脉冲幅度 |
| 2.3.5 脉冲到达角 |
| 2.4 复杂体制调制雷达辐射源分析 |
| 2.4.1 雷达辐射源的时域变化特征 |
| 2.4.2 雷达辐射源的频域变化特征 |
| 2.5 影响雷达辐射源分选与识别的因素 |
| 2.5.1 测量误差 |
| 2.5.2 虚假脉冲 |
| 2.5.3 脉冲重叠 |
| 2.5.4 脉冲丢失 |
| 2.6 本章小结 |
| 第三章 基于平衡随机森林的雷达辐射源分选 |
| 3.1 引言 |
| 3.2 类别不平衡问题 |
| 3.2.1 类别不平衡的基本概念 |
| 3.2.2 解决类别不平衡问题的常用技术 |
| 3.3 基于平衡随机森林的雷达辐射源分选方法 |
| 3.3.1 Bagging方法 |
| 3.3.2 随机森林分类模型 |
| 3.3.3 平衡随机森林算法 |
| 3.3.4 基于平衡随机森林的雷达辐射源分选方法 |
| 3.4 实验与分析 |
| 3.4.1 数据集介绍 |
| 3.4.2 评价指标 |
| 3.4.3 实验与结果分析 |
| 3.5 本章小结 |
| 第四章 基于DBSCAN的未知雷达福射源分选 |
| 4.1 引言 |
| 4.2 聚类算法简介 |
| 4.2.1 基于划分的聚类算法 |
| 4.2.2 基于层次的聚类算法 |
| 4.2.3 基于图论的聚类算法 |
| 4.2.4 基于密度的聚类算法 |
| 4.3 基于DBSCAN的未知雷达辐射源分选方法 |
| 4.3.1 DBSCAN算法的基本概念 |
| 4.3.2 DBSCAN算法的原理 |
| 4.3.3 基于DBSCAN的未知雷达辐射源分选方法 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
（2）机载雷达能量资源约束的协同目标跟踪研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无源探测系统研究现状 |
| 1.2.2 射频隐身技术研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 雷达目标跟踪与射频隐身表征参量 |
| 2.1 引言 |
| 2.2 雷达目标探测与目标跟踪模型 |
| 2.2.1 雷达目标探测模型 |
| 2.2.2 目标运动模型与目标跟踪算法 |
| 2.3 射频隐身表征参量 |
| 2.4 本章小结 |
| 第三章 单机雷达目标跟踪的辐射能量控制 |
| 3.1 引言 |
| 3.2 目标跟踪观测模型 |
| 3.3 最小驻留时间分析 |
| 3.4 后验克拉美罗界与雷达采样间隔设计 |
| 3.4.1 后验克拉美罗界 |
| 3.4.2 目标跟踪采样间隔设计 |
| 3.5 仿真分析 |
| 3.5.1 驻留时间设计的仿真分析 |
| 3.5.2 雷达采样间隔仿真分析 |
| 3.6 本章小结 |
| 第四章 多机雷达协同目标跟踪的辐射能量约束 |
| 4.1 引言 |
| 4.2 多传感器数据的凸组合融合算法 |
| 4.3 多机雷达协同的辐射能量约束分析 |
| 4.3.1 基于目标距离与RCS的辐射能量分析 |
| 4.3.2 机载雷达与无源探测系统协同的目标跟踪 |
| 4.4 仿真结果与分析 |
| 4.4.1 理论分析的仿真验证 |
| 4.4.2 双机雷达与无源探测系统协同的目标跟踪仿真 |
| 4.5 本章小结 |
| 第五章 全文总结 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（3）杂波条件下的雷达导引头射频隐身信号参数设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 杂波中的目标检测方法 |
| 1.2.2 雷达射频隐身技术研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 目标探测环境与射频隐身表征参量 |
| 2.1 引言 |
| 2.2 目标探测环境分析 |
| 2.2.1 大气损耗对目标探测的影响 |
| 2.2.2 雷达回波中的杂波成分 |
| 2.2.3 杂波对目标检测的影响 |
| 2.3 射频隐身性能表征参量 |
| 2.3.1 截获概率 |
| 2.3.2 截获因子 |
| 2.4 本章小结 |
| 第三章 地杂波下动目标检测的射频隐身信号参数设计 |
| 3.1 引言 |
| 3.2 地杂波的散射特性 |
| 3.2.1 地杂波的后向散射系数模型 |
| 3.2.2 地杂波的功率谱模型 |
| 3.2.3 地杂波的幅度分布模型 |
| 3.3 地杂波下动目标检测的射频隐身信号参数设计 |
| 3.3.1 基于脉冲对消的动目标检测 |
| 3.3.2 基于脉冲对消MTD的导引头射频隐身信号参数设计 |
| 3.3.3 基于连续波的动目标检测 |
| 3.3.4 基于连续波MTD的导引头射频隐身信号参数设计 |
| 3.4 仿真分析 |
| 3.4.1 对脉冲对消雷达信号参数模型的求解与分析 |
| 3.4.2 对连续波雷达信号参数模型的求解与分析 |
| 3.5 本章小结 |
| 第四章 海杂波下恒虚警检测的射频隐身信号参数设计 |
| 4.1 引言 |
| 4.2 海杂波的散射特性 |
| 4.2.1 海杂波的后向散射系数模型 |
| 4.2.2 海杂波的功率谱模型 |
| 4.2.3 海杂波幅度分布模型 |
| 4.3 海杂波下恒虚警检测的射频隐身信号参数设计 |
| 4.3.1 海杂波下的恒虚警检测 |
| 4.3.2 基于恒虚警检测的导引头射频隐身信号参数设计 |
| 4.4 仿真分析 |
| 4.4.1 K分布杂波下改进WAI-CFAR的检测性能 |
| 4.4.2 对海杂波下雷达信号参数设计模型的求解与分析 |
| 4.5 本章小结 |
| 第五章 全文总结 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（4）雷达有源干扰智能识别及时域对消技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 雷达干扰识别技术的研究现状 |
| 1.3 雷达抗干扰技术的研究现状 |
| 1.4 本文的主要工作 |
| 第二章 有源干扰信号建模分析 |
| 2.1 引言 |
| 2.2 压制干扰 |
| 2.2.1 射频噪声 |
| 2.2.2 噪声调幅 |
| 2.2.3 噪声调频 |
| 2.2.4 噪声调相 |
| 2.2.5 梳状谱 |
| 2.3 欺骗干扰 |
| 2.3.1 前沿复制 |
| 2.3.2 密集假目标 |
| 2.3.3 间歇采样 |
| 2.3.4 波门拖引 |
| 2.4 复合干扰 |
| 2.4.1 距离波门拖引干扰和噪声调制干扰复合信号 |
| 2.4.2 速度波门拖引干扰和噪声调制干扰复合信号 |
| 2.4.3 距离-速度联合拖引干扰和噪声调制干扰复合信号 |
| 2.5 本章小结 |
| 第三章 基于多域联合特征参数的有源干扰自动识别 |
| 3.1 引言 |
| 3.2 干扰信号多域特征参数分析与提取 |
| 3.2.1 时域特征参数 |
| 3.2.2 频域特征参数 |
| 3.2.3 脉压后时域特征参数 |
| 3.3 基于模糊聚类决策树的自动识别算法 |
| 3.3.1 模糊C均值聚类 |
| 3.3.2 Xie-Beni指标 |
| 3.3.3 模糊聚类决策树的生成 |
| 3.4 仿真及实测数据验证 |
| 3.5 本章小结 |
| 第四章 基于SPWVD的复合干扰识别方法 |
| 4.1 引言 |
| 4.2 时频分析 |
| 4.2.1 魏格纳—威利分布 |
| 4.2.2 伪平滑魏格纳—威利分布 |
| 4.2.3 复合干扰信号的时频分析 |
| 4.3 基于Alexnet神经网络的复合干扰信号识别 |
| 4.3.1 Alexnet神经网络 |
| 4.3.2 计算机仿真 |
| 4.4 基于符号化时间序列分析的复合干扰信号识别 |
| 4.4.1 时间序列符号化转换 |
| 4.4.2 符号序列的符号对称系数 |
| 4.4.3 符号序列的符号熵 |
| 4.4.4 符号序列的特征提取流程 |
| 4.4.5 计算机仿真 |
| 4.5 方法对比分析 |
| 4.6 本章小结 |
| 第五章 基于改进的时域对消算法抗主瓣恒模干扰 |
| 5.1 引言 |
| 5.2 时域对消算法 |
| 5.2.1 干扰信号建模 |
| 5.2.2 时域对消算法 |
| 5.3 改进时域对消算法抗主瓣恒模干扰 |
| 5.3.1 信噪比损失推导 |
| 5.3.2 改进时变滤波算法 |
| 5.3.3 改进时域对消算法流程 |
| 5.4 仿真及实测数据验证 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（5）基于B型灰色关联度的雷达与ESM航迹关联算法（论文提纲范文）
| 0 引 言 |
| 1 灰色航迹关联 |
| 1.1 B型灰色关联度 |
| 1.2 灰色关联矩阵 |
| 2 雷达与ESM航迹关联 |
| 2.1 问题描述 |
| 2.2 时空对准 |
| 2.2.1 ESM数据处理 |
| 2.2.2 雷达数据处理 |
| 2.3 关联算法 |
| 3 仿真实验 |
| 3.1 仿真环境描述 |
| 3.2 仿真实验结果 |
| 4 结束语 |
（6）基于脉冲重频与脉内调制的雷达信号分选方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于脉间特征的信号分选技术研究现状 |
| 1.2.2 脉内无意调制特征分析方法研究现状 |
| 1.3 本文的主要内容和研究思路 |
| 第二章 雷达主瓣脉冲关联分选 |
| 2.1 引言 |
| 2.2 动态关联分选算法 |
| 2.2.1 信号模型 |
| 2.2.2 动态关联信号分选算法及其局限 |
| 2.3 雷达主瓣脉冲关联分选方法 |
| 2.3.1 分选算法原理 |
| 2.3.2 分选算法流程 |
| 2.4 雷达主瓣脉冲关联分选方法仿真实验 |
| 2.4.1 主瓣脉冲分选应用仿真 |
| 2.4.2 实测信号分选 |
| 2.5 小结 |
| 第三章 基于脉内调制的雷达辐射源聚类分选 |
| 3.1 引言 |
| 3.2 密度峰值聚类算法原理及其局陷 |
| 3.3 基于核密度估计的密度峰值聚类算法 |
| 3.3.1 聚类算法原理 |
| 3.3.2 聚类算法流程 |
| 3.4 基于核密度估计的密度峰值聚类算法仿真实验 |
| 3.4.1 人工数据集与UCI数据集测试实验 |
| 3.4.2 实测数据脉内无意调制特征分选实验 |
| 3.5 小结 |
| 第四章 雷达辐射源个体分类识别的工程实现 |
| 4.1 引言 |
| 4.2 实测数据获得 |
| 4.3 聚类实验 |
| 4.3.1 几种常用聚类算法 |
| 4.3.2 不同聚类算法和不同特征参量的聚类结果 |
| 4.3.3 聚类实验小结 |
| 4.4 雷达辐射源个体分类识别软件的设计 |
| 4.4.1 软件功能及结构 |
| 4.4.2 软件界面及处理流程 |
| 4.4.3 软件测试 |
| 4.5 小结 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）多功能相控阵雷达行为分析与辨识技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多功能相控阵雷达行为建模 |
| 1.2.2 多功能相控阵雷达特性表征 |
| 1.2.3 多功能相控阵雷达辐射源识别 |
| 1.2.4 存在的主要问题及对策 |
| 1.3 论文主要工作及结构安排 |
| 第二章 多功能相控阵雷达行为模型 |
| 2.1 引言 |
| 2.2 多功能相控阵雷达行为概述 |
| 2.3 多功能相控阵雷达行为层次模型 |
| 2.4 多功能相控阵雷达行为规律分析 |
| 2.4.1 波形行为分析 |
| 2.4.2 扫描方式分析 |
| 2.4.3 重频模式分析 |
| 2.4.4 雷达任务资源调度 |
| 2.5 多功能相控阵雷达行为辨识模型 |
| 2.6 本章小结 |
| 第三章 多功能相控阵雷达行为数据集构建 |
| 3.1 引言 |
| 3.2 多功能相控阵雷达行为表征方法 |
| 3.2.1 脉冲描述字 |
| 3.2.2 脉冲样本图 |
| 3.3 脉冲划分算法 |
| 3.3.1 传统脉冲划分算法 |
| 3.3.2 变化点检测算法 |
| 3.4 算法仿真及实验分析 |
| 3.4.1 常规脉冲序列划分实验 |
| 3.4.2 非常规脉冲序列划分实验 |
| 3.4.3 算法比较与分析 |
| 3.5 本章小结 |
| 第四章 多功能相控阵雷达行为无监督分类方法 |
| 4.1 引言 |
| 4.2 基于主成分分析的C均值聚类算法 |
| 4.2.1 基于主成分分析的样本优化 |
| 4.2.2 基于均值漂移优化C-均值聚类算法 |
| 4.2.3 算法仿真及实验分析 |
| 4.3 基于雷达设计规律的行为-特征推理 |
| 4.4 本章小结 |
| 第五章 多功能相控阵雷达行为有监督分类方法 |
| 5.1 引言 |
| 5.2 基于BP神经网络的MPAR行为辨识方法研究 |
| 5.2.1 MPAR行为数据集构建 |
| 5.2.2 BP神经网络结构模型构建 |
| 5.2.3 算法仿真及实验分析 |
| 5.3 基于卷积神经网络的MPAR行为辨识方法研究 |
| 5.3.1 MPAR行为数据集构建 |
| 5.3.2 CNN结构模型构建 |
| 5.3.3 算法仿真及实验分析 |
| 5.4 本章小结 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（8）复杂雷达信号分选技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于脉冲重复周期的分选 |
| 1.2.2 基于脉内特征的分选 |
| 1.2.3 基于多参数的联合分选 |
| 1.3 雷达信号分选技术面临的挑战 |
| 1.4 论文主要研究内容及章节安排 |
| 第二章 复杂雷达信号分选概述 |
| 2.1 侦察系统概述 |
| 2.2 典型的信号分选特征参数 |
| 2.2.1 脉冲描述字 |
| 2.2.2 PRI特征 |
| 2.3 雷达信号分选系统介绍 |
| 2.3.1 典型分选系统的结构 |
| 2.3.2 改进后的分选系统结构 |
| 2.4 分选性能的影响因素及评价指标 |
| 2.4.1 影响因素 |
| 2.4.2 分选性能评价指标 |
| 2.5 本章小结 |
| 第三章 基于脉内特征的聚类分选 |
| 3.1 典型的脉内调制样式 |
| 3.2 脉内特征参数提取方法 |
| 3.2.1 典型的脉内特征参数提取方法 |
| 3.2.2 复杂度特征 |
| 3.2.3 相像系数 |
| 3.3 聚类分选算法 |
| 3.3.1 k-means聚类及其改进 |
| 3.3.2 支持向量聚类 |
| 3.4 基于相像系数的聚类仿真分析 |
| 3.5 本章小结 |
| 第四章 典型PRI分选方法 |
| 4.1 直方图法 |
| 4.1.1 统计直方图法 |
| 4.1.2 累积差直方图法 |
| 4.1.3 序列差直方图法 |
| 4.2 PRI变换法及其改进算法 |
| 4.2.1 PRI变换法 |
| 4.2.2 改进的PRI变换法 |
| 4.3 平面变换技术 |
| 4.3.1 算法原理 |
| 4.3.2 仿真分析 |
| 4.4 一种重频滑变信号的分选方法 |
| 4.4.1 算法原理 |
| 4.4.2 仿真分析 |
| 4.5 本章小结 |
| 第五章 改进的信号分选方法 |
| 5.1 基于联合聚类的预分选算法 |
| 5.1.1 算法原理 |
| 5.1.2 仿真分析 |
| 5.2 动态二维特征向量匹配算法 |
| 5.2.1 算法原理 |
| 5.2.2 仿真分析 |
| 5.3 基于PRI的综合分选方法 |
| 5.3.1 算法原理 |
| 5.3.2 仿真分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）雷达通信一体化系统的信号处理与识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 雷达通信一体化研究现状 |
| 1.2.2 辐射源识别研究现状 |
| 1.3 论文创新点及章节安排 |
| 第二章 雷达信号与通信信号的调制原理 |
| 2.1 引言 |
| 2.2 雷达调制信号 |
| 2.2.1 常规雷达信号 |
| 2.2.2 线性调频信号 |
| 2.2.3 非线性调频信号 |
| 2.2.4 二相编码信号 |
| 2.2.5 四相编码信号 |
| 2.2.6 频率编码信号 |
| 2.3 通信调制信号 |
| 2.3.1 模拟调制 |
| 2.3.2 数字调制 |
| 2.4 本章小结 |
| 第三章 雷达通信一体化信号处理技术研究 |
| 3.1 引言 |
| 3.2 信号分离 |
| 3.2.1 信号分离模型 |
| 3.2.2 基于FastICA的信号分离算法 |
| 3.2.3 仿真及结果分析 |
| 3.3 信号的判别与分选 |
| 3.3.1 通信信号与雷达信号的判别 |
| 3.3.2 雷达信号分选 |
| 3.4 通信信号调制识别 |
| 3.4.1 通信信号特征提取 |
| 3.4.2 基于Stacking-SVM的调制识别算法 |
| 3.4.3 仿真及结果分析 |
| 3.5 本章小结 |
| 第四章 一种改进的雷达辐射源识别方法 |
| 4.1 引言 |
| 4.2 时频分析 |
| 4.2.1 短时傅里叶变换 |
| 4.2.2 小波变换 |
| 4.2.3 Wigner-Ville分布 |
| 4.3 时频图像特征提取 |
| 4.3.1 时频图像预处理 |
| 4.3.2 基于不变矩理论的形状特征提取 |
| 4.3.3 基于灰度共生矩阵法提取纹理特征 |
| 4.4 频谱和瞬时频率相关特征提取 |
| 4.4.1 频谱相关特征 |
| 4.4.2 瞬时频率相关特征 |
| 4.5 分类器设计和方法流程 |
| 4.5.1 基于GBDT的高阶特征构造 |
| 4.5.2 改进的方法流程 |
| 4.6 仿真及结果分析 |
| 4.7 本章小结 |
| 第五章 基于多传感器融合的雷达通信一体化目标识别 |
| 5.1 引言 |
| 5.2 多传感器信息融合 |
| 5.3 雷达通信一体化目标识别系统设计 |
| 5.3.1 系统结构模型 |
| 5.3.2 雷达侦察信息处理 |
| 5.3.3 通信侦察信息处理 |
| 5.3.4 多传感器融合目标识别算法 |
| 5.4 仿真及结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）多功能雷达行为辨识与预测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 多功能雷达的行为 |
| 1.2.1 多功能雷达行为内涵 |
| 1.2.2 MFR行为层面研究的主要问题 |
| 1.3 国内外研究现状 |
| 1.3.1 多功能雷达行为特征表征方面 |
| 1.3.2 多功能雷达行为建模方面 |
| 1.3.3 多功能雷达行为辨识方面 |
| 1.3.4 多功能雷达行为预测方面 |
| 1.4 论文的主要工作和结构安排 |
| 第二章 MFR行为特征表征方法研究 |
| 2.1 引言 |
| 2.2 MFR信号的多层级结构模型 |
| 2.2.1 多层级的MFR信号结构 |
| 2.2.2 “水星”多功能雷达 |
| 2.2.3 MFR信号的马尔可夫特征 |
| 2.3 MFR多层级模型理论扩展研究 |
| 2.3.1 脉冲描述字与脉冲样本图 |
| 2.3.2 多层级MFR信号模型扩展 |
| 2.4 改进的MFR雷达字提取方法 |
| 2.4.1 改进的事件驱动雷达字提取算法 |
| 2.4.2 基于匹配滤波的雷达字提取方法 |
| 2.4.3 仿真实验与结果分析 |
| 2.5 本章小结 |
| 第三章 MFR行为建模方法研究 |
| 3.1 引言 |
| 3.2 离散时间动态系统 |
| 3.2.1 动态系统与系统动态矩阵 |
| 3.2.2 离散时间动态系统模型 |
| 3.3 MFR的线性PSR建模 |
| 3.3.1 训练数据预处理算法 |
| 3.3.2 频数矩阵降噪处理 |
| 3.3.3 构造系统动态矩阵 |
| 3.3.4 系统动态矩阵降维处理 |
| 3.3.5 核心搜索算法 |
| 3.3.6 模型更新参数估计算法 |
| 3.3.7 建模算法小结 |
| 3.4 建模算法复杂度分析 |
| 3.5 仿真实验与分析 |
| 3.5.1 建模训练算法改进效果分析 |
| 3.5.2 降噪处理对建模精度影响分析 |
| 3.5.3 降维与降噪处理对算法效率影响分析 |
| 3.6 本章小结 |
| 第四章 MFR工作模式辨识方法研究 |
| 4.1 引言 |
| 4.2 基于句法模型的MFR工作模式辨识方法 |
| 4.2.1 句法模式识别理论 |
| 4.2.2 知识辅助的MFR逆向建模 |
| 4.2.3 数据驱动的MFR逆向建模 |
| 4.2.4 基于MFR逆向句法模型的工作模式辨识方法 |
| 4.3 基于PSR的 MFR工作模式辨识方法 |
| 4.3.1 基于PSR的 MFR行为识别算法框架 |
| 4.3.2 基于栅格滤波器的识别算法 |
| 4.3.3 预测状态累积的识别算法 |
| 4.3.4 识别算法复杂度分析 |
| 4.3.5 仿真实验与分析 |
| 4.4 本章小结 |
| 第五章 MFR信号序列预测方法研究 |
| 5.1 引言 |
| 5.2 基于PSR的 MFR信号序列预测方法 |
| 5.2.1 基于PSR的 MFR行为预测算法框架 |
| 5.2.2 基于线性PSR预测器的预测算法 |
| 5.2.3 步间迭代的预测算法 |
| 5.2.4 预测算法复杂度分析 |
| 5.2.5 仿真实验与分析 |
| 5.3 基于人工神经网络的MFR信号序列预测方法 |
| 5.3.1 BP神经网络 |
| 5.3.2 MFR的 BP神经网络模型 |
| 5.3.3 基于PSR-BP网络的MFR信号训练算法 |
| 5.3.4 仿真实验与分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 主要创新点 |
| 6.3 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、一种雷达与ESM相关算法的改进算法（论文参考文献）
- [1]基于机器学习的雷达辐射源分选方法设计与实现[D]. 王骏逸. 北京邮电大学, 2020(01)
- [2]机载雷达能量资源约束的协同目标跟踪研究[D]. 余思伟. 南京航空航天大学, 2020(07)
- [3]杂波条件下的雷达导引头射频隐身信号参数设计研究[D]. 李卓桓. 南京航空航天大学, 2020(07)
- [4]雷达有源干扰智能识别及时域对消技术研究[D]. 魏煜宁. 南京航空航天大学, 2020(07)
- [5]基于B型灰色关联度的雷达与ESM航迹关联算法[J]. 顾一休,李军,邱令存,曹政. 空天防御, 2019(04)
- [6]基于脉冲重频与脉内调制的雷达信号分选方法[D]. 程琳. 国防科技大学, 2019(02)
- [7]多功能相控阵雷达行为分析与辨识技术研究[D]. 方旖. 国防科技大学, 2019(02)
- [8]复杂雷达信号分选技术研究[D]. 王怡宁. 西安电子科技大学, 2019(02)
- [9]雷达通信一体化系统的信号处理与识别技术研究[D]. 昌志松. 西安电子科技大学, 2019(02)
- [10]多功能雷达行为辨识与预测技术研究[D]. 欧健. 国防科技大学, 2017(02)