符颖
- 作品数：3 被引量：15H指数：3
- 供职机构：空军工程大学航空航天工程学院更多>>
- 发文基金：中国航空科学基金国家自然科学基金更多>>
- 相关领域：电子电信更多>>
- 基于多重分形和半监督EM的LPI雷达信号识别被引量：4
- 2018年
- 针对先验信息不完整的非合作电子对抗背景下的低截获概率雷达信号识别问题,提出一种基于多重分形和半监督最大期望(EM)的识别算法.该算法计算出信号的多重分形谱,提取出信号的多重分形谱参数特征;针对EM算法中全部未标记样本集的加入会造成收敛速度缓慢甚至有可能影响到分类精度的缺陷,引入Self-training思想,提出一种基于Self-training的半监督EM算法.该算法通过挑选最为确定的一个或多个未标记样本来更新样本集,使得未标记样本集不断缩小进而加快分类器的训练速度,也可有效避免错误的累加,在一定程度上可提高分类精度.理论分析和仿真结果表明,在LPI雷达信号识别问题上,所提出的算法在不同的信噪比下具有更高的分类识别率和更好的实时性.
- 王星符颖陈游周一鹏呙鹏程
- 关键词：半监督学习SELF-TRAINING信号识别低截获概率雷达
- 基于改进半监督朴素贝叶斯的LPI雷达信号识别被引量：7
- 2017年
- 针对先验信息残缺的非合作电子对抗背景下的低截获概率雷达信号识别问题,提出一种基于改进的半监督朴素贝叶斯的识别算法。该算法首先提取出4种低截获概率(low probability of intercept,LPI)雷达信号的双谱对角切片作为识别特征;针对传统的半监督朴素贝叶斯(semi-supervised Na?ve Bayes,SNB)在更新训练样本集过程中会产生迭代错误的不足,利用改进的SNB(Revised SNB,RSNB)算法构建分类器,完成对测试样本的识别。该方法通过在无标记样本集生成的置信度列表中选取置信度较高的样本添加到有标记样本集中,再利用预测后的分类结果对分类器参数(即特征期望向量珡mi和方差向量σi)进行改进,有效解决了传统算法分类精度低且分类性能不稳定等缺点。理论分析和仿真结果表明,在LPI雷达信号识别问题,相比于SNB算法和传统的主成分分析加支持向量机法(principal component analysis-support vector machine,PCA-SVM),该算法具有更高的分类识别率和更好的分类性能。
- 符颖王星周一鹏范翔宇
- 关键词：信号识别朴素贝叶斯半监督学习低截获概率雷达
- 基于模糊函数SVD和改进S3VM的雷达信号识别被引量：6
- 2017年
- 为提升在日趋复杂的电子对抗环境中对雷达信号识别的准确率,提出了一种基于启发式采样搜索(Heuristic Sampling Search,HSS)改进S3VM的雷达辐射源信号识别算法。根据模糊函数理论,通过对雷达信号的模糊函数进行奇异值分解(SVD),提取出奇异向量作为雷达信号识别的特征参数;针对传统的半监督支持向量机(Semi-supervised SVM,S3VM)的不足,利用改进的S3VM构建分类器对雷达信号进行分类,完成对测试样本的识别。该方法通过启发式采样搜索来寻求具有代表性的多个大边缘低密度的分类决策面,有效解决传统S3VM分类精度低且分类性能不稳定等缺点。实验结果表明,在雷达信号识别中,该算法明显提高了分类准确率。
- 符颖王星周东青范翔宇周一鹏
- 关键词：雷达信号识别模糊函数奇异值分解
