雷达辐射源信号智能识别技术探索

"这篇博士学位论文主要探讨了雷达辐射源信号的智能识别方法，作者张葛祥在导师金炜东和胡来招的指导下，针对复杂体制雷达辐射源信号的识别进行了深入研究。" 在这篇论文中，作者首先提出了一个新的雷达辐射源信号识别模型结构，该结构旨在解决复杂体制雷达辐射源的智能识别问题。复杂体制雷达因其多样性和动态性，给信号识别带来了巨大挑战。通过这种新模型，作者旨在提高识别的准确性和效率。 其次，论文详细介绍了四种特征提取方法：相像系数、熵、复杂度和小波包变换。这些方法用于在不同信噪比环境下，定量分析和提取雷达辐射源信号的特征。特征提取是信号识别的关键步骤，它能够帮助系统在噪声中区分和理解信号的本质。 接着，作者提出了五种特征选择策略，包括基于类分离度、相像系数、满意特征、粗集理论和特异性系数的方法。这些策略用于减少特征维度，优化特征空间，从而提高识别的效率和准确性，解决了特征冗余和高维问题。 此外，论文还探讨了四种分类器设计方法：粗集神经网络、复合支持向量机、Huang树支持向量机和粗集支持向量机。这些分类器设计旨在实现雷达辐射源信号的自动化分类和识别，进一步提升了识别系统的性能。 为了验证提出的模型和方法的有效性，作者进行了实际的实验，使用8类调制方式的155个具有不同参数的雷达辐射源信号进行分类识别。实验结果显示，采用的新模型结构在识别效果上优于现有的识别结构。 这篇论文对雷达辐射源信号的智能识别做出了重要贡献，不仅提供了新的理论框架，还开发了实用的算法和技术，对于提升雷达信号处理和电子战领域的技术水平具有重要意义。