基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战.目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境.文中将聚类分析技术引入到雷达信号分选中,将蚁群算法和K-Means相结合,互相弥补不足,提出了一种新的雷达信号分选方法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达.仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路.
推荐文章
基于量子蚁群改进的K-means算法
量子计算
蚂蚁算法
K-means算法
聚类分析
基于变异的k-means聚类算法
聚类
mk-means算法
变异
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于深度信念网络的K-means聚类算法研究
K-means算法
深度信念网络
受限玻尔兹曼机
高维数据
聚类分析
FCM算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于蚁群算法的K-Means聚类雷达信号分选算法
来源期刊 雷达科学与技术 学科 工学
关键词 雷达信号分选 蚁群 聚类分选 K-Means算法
年,卷(期) 2009,(2) 所属期刊栏目 信号/数据处理
研究方向 页码范围 142-146
页数 5页 分类号 TN911|TN957
字数 3771字 语种 中文
DOI 10.3969/j.issn.1672-2337.2009.02.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈彬 5 65 4.0 5.0
2 骆鲁秦 14 107 6.0 10.0
3 赵贵喜 4 55 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (27)
参考文献  (4)
节点文献
引证文献  (29)
同被引文献  (119)
二级引证文献  (84)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(7)
  • 引证文献(5)
  • 二级引证文献(2)
2012(4)
  • 引证文献(0)
  • 二级引证文献(4)
2013(8)
  • 引证文献(2)
  • 二级引证文献(6)
2014(11)
  • 引证文献(3)
  • 二级引证文献(8)
2015(9)
  • 引证文献(2)
  • 二级引证文献(7)
2016(9)
  • 引证文献(2)
  • 二级引证文献(7)
2017(13)
  • 引证文献(2)
  • 二级引证文献(11)
2018(10)
  • 引证文献(2)
  • 二级引证文献(8)
2019(29)
  • 引证文献(7)
  • 二级引证文献(22)
2020(12)
  • 引证文献(3)
  • 二级引证文献(9)
研究主题发展历程
节点文献
雷达信号分选
蚁群
聚类分选
K-Means算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
雷达科学与技术
双月刊
1672-2337
34-1264/TN
大16开
安徽省合肥市9023信箱60分箱
2003
chi
出版文献量(篇)
1971
总下载数(次)
3
总被引数(次)
10892
论文1v1指导