期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于人工智能的多模态雷达自适应抗干扰优化算法
1
作者 许诚 程强 +1 位作者 赵鹏 程玮清 《现代电子技术》 北大核心 2024年第7期73-76,共4页
多模态雷达系统容易受到外界环境干扰,如天气条件、电磁干扰等,而这些干扰可能会影响多模态雷达数据的准确性和稳定性。多模态雷达的抗干扰性能决定雷达的测量精度,因此,为提升多模态雷达的抗干扰能力,提出基于人工智能的多模态雷达自... 多模态雷达系统容易受到外界环境干扰,如天气条件、电磁干扰等,而这些干扰可能会影响多模态雷达数据的准确性和稳定性。多模态雷达的抗干扰性能决定雷达的测量精度,因此,为提升多模态雷达的抗干扰能力,提出基于人工智能的多模态雷达自适应抗干扰优化算法。该算法以多模态雷达信号模型为基础,分析距离速度同步欺骗干扰、频谱弥散干扰原理,计算欺骗干扰时雷达接收的总回波信号。将计算的回波信号结果输入至人工智能的YOLOv5s深度学习模型中,通过模型的训练和映射处理,完成多模态雷达自适应抗干扰优化,实现雷达欺骗性信号干扰抑制。测试结果显示,该算法的干扰对消比结果在0.935以上,干扰输出功率结果在0.017以下,能够可靠完成多干扰和单一干扰两种干扰抑制,实现多模态雷达自适应抗干扰优化。 展开更多
关键词 人工智能 多模态雷达 自适应 抗干扰优化 频谱弥散干扰 回波信号 映射处理 干扰抑制
下载PDF
基于数据场与云模型的多模雷达信号分选算法 被引量:11
2
作者 国强 宋文明 +1 位作者 南普龙 万建 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2015年第11期76-81,共6页
针对传统分选算法处理多模雷达信号效果较差的问题,提出一种基于数据场的层次聚类信号分选算法,以克服多模雷达信号分选时存在的"增批"问题.将数据场理论应用于多模雷达辐射源信号的分选,利用数据场势函数划分辐射源信号数据... 针对传统分选算法处理多模雷达信号效果较差的问题,提出一种基于数据场的层次聚类信号分选算法,以克服多模雷达信号分选时存在的"增批"问题.将数据场理论应用于多模雷达辐射源信号的分选,利用数据场势函数划分辐射源信号数据的层次,通过等势图的绘制完成数据的自组织层次聚类.提出一种基于云模型的分选结果有效性评估算法,可在脱离雷达辐射源库的情况下验证信号分选结果的有效性.仿真实验验证了提出算法的有效性. 展开更多
关键词 多模雷达 数据场 云模型 信号分选
下载PDF
星载高分辨、多模式SAR的建模仿真和总体设计 被引量:1
3
作者 谢亚楠 《上海航天》 2001年第4期2-6,共5页
阐述了星载合成孔径雷达 (SAR)的常用工作模式 ,即聚束式、条带式、扫描式和干涉式SAR的概念、设计考虑和常用设计公式。通过建立模型 ,对高空间分辨率、多工作模式SAR的系统集成和总体设计进行了计算机仿真 ,用该套软件模拟了六套在轨... 阐述了星载合成孔径雷达 (SAR)的常用工作模式 ,即聚束式、条带式、扫描式和干涉式SAR的概念、设计考虑和常用设计公式。通过建立模型 ,对高空间分辨率、多工作模式SAR的系统集成和总体设计进行了计算机仿真 ,用该套软件模拟了六套在轨运行的星载SAR系统参数和分系统指标 ,仿真结果与公布数据非常吻合。 展开更多
关键词 星载合成孔径雷达 计算机仿真 多模雷达 总体设计 工作模式 SAR 航天
下载PDF
一种基于DBSCAN和XGBoost的多模式雷达辐射源型号识别方法
4
作者 陈歆普 敖庆 《中国电子科学研究院学报》 北大核心 2022年第7期635-640,共6页
雷达辐射源型号识别是雷达对抗侦察中的重要环节之一,文中提出一种基于机器学习的多模式雷达型号识别方法。首先,使用DBSCAN生成型号模板库,完成类似传统识别的雷达型号匹配;然后,使用XGBoost训练有监督分类器,进一步识别已知型号雷达... 雷达辐射源型号识别是雷达对抗侦察中的重要环节之一,文中提出一种基于机器学习的多模式雷达型号识别方法。首先,使用DBSCAN生成型号模板库,完成类似传统识别的雷达型号匹配;然后,使用XGBoost训练有监督分类器,进一步识别已知型号雷达。文中对多模式雷达型号识别进行仿真验证,通过在仿真数据上的识别分析表明,本方法能够有效识别不同雷达型号的信号。多模式雷达信号参数具有交错间隔分布的特点,通过与多种基线分类器进行比较,本方法对该类信号具有更好的识别效果。 展开更多
关键词 雷达辐射源型号识别 DBSCAN XGBoost 多模式雷达
下载PDF
基于SA-BFSN算法的多模地面雷达信号预分选方法 被引量:2
5
作者 靳升 孙永维 陈昊 《现代电子技术》 2012年第13期1-3,6,共4页
针对BFSN算法需要人工输入参数的缺陷,提出了一种自适应确定参数的SA-BFSN聚类方法。该方法利用同一部雷达数据的分布特性进行聚类。通过确定邻居点和比较相似性以达到分选不同的雷达信号,适用于未知雷达信号的分选。提出了合批的方法... 针对BFSN算法需要人工输入参数的缺陷,提出了一种自适应确定参数的SA-BFSN聚类方法。该方法利用同一部雷达数据的分布特性进行聚类。通过确定邻居点和比较相似性以达到分选不同的雷达信号,适用于未知雷达信号的分选。提出了合批的方法和一种分选的联合处理。算法测试表明,该方法对噪声不敏感,能够发现任意形状、大小和密度的聚类。 展开更多
关键词 多模地面雷达 信号分选 聚类 SA-BFSN
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部