论文部分内容阅读
在现代电子战中,雷达占有举足轻重的地位。只有获取了雷达的型号、参数、体制等信息,才能判断其所在平台的特征,从而为作战指挥员提供可靠的决策依据。因此,对雷达辐射源的识别,成为电子情报侦察系统(ELINT)和电子支援系统(ESM)的重要功能之一。传统的电子情报侦察系统所需要的信息主要依靠单一平台上的雷达侦察设备的一次报告提供,而单一传感器往往只能反映被测目标某一方面的特征,对雷达型号的识别一般难以获得较好的识别效果。因此,本文以多平台协同侦察为基础,主要研究了:(1)多源同类信息关联:利用灰色系统理论中绝对关联度的定义和性质,实现多平台对来自同一雷达辐射源的信号的相关处理,为对雷达辐射源的综合识别奠定了基础;(2)多源信息融合:将正确关联上的多组雷达辐射源信号利用一阶缓冲算子,弱化由探测设备精度和战场环境造成的随机误差,并应用最小二乘法对其进行特征融合,以提高对雷达辐射源的识别可信度;(3)SVM分类识别器:随着现代战场空间大量具有复杂信号特征的新体制雷达、多功能雷达的涌现,使战场电磁环境变得日益密集、复杂,再加上恶劣的战场环境、人为干扰等因素,使获得的雷达辐射源特征参数具有很大的不确定性,从而给传统的识别方法带来挑战。故本文分别介绍RBF和SVM两种算法的分类器建立以及在雷达辐射源型号识别中的应用,目的是通过仿真比较说明SVM分类器在雷达型号识别中比RBF分类器具有更高的识别准确率,以便后续综合目标识别时选取SVM分类器进行系统设计。(4)基于多平台的雷达辐射源识别系统:利用多平台之间的相互协同侦察,共享各平台之间的侦察信息,综合各平台的识别结果,实现对雷达辐射源的综合识别。仿真结果表明,本文阐述的一系列思想和算法可极大地提高雷达辐射源的识别可信度和识别正确率,具有一定的可行性和工程价值。