基于GMM和神经网络的辐射源识别方法

• 作者: 公绪华 袁振涛 谭怀英
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 高斯混合模型 神经网络 雷达脉冲 辐射源识别
• 年，卷（期）: 2014,（5）
• 页码范围: 482-486
• 页数: 5页
• 分类号: TN971
• 字数: 3106字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2014.05.006

摘要

针对基于截获雷达脉冲特征参数的辐射源识别问题，通过建立一个高斯混合模型（GMM），采用最大化期望（EM）方法对模型参数进行训练，构建了一个输入为截获雷达脉冲特征参数，输出为雷达辐射源类型的分类器。同时，为实现对分类识别性能对比，进一步提出基于神经网络方法构建雷达辐射源类型分类器。仿真试验结果表明，基于 GMM和神经网络构建的两种分类器均能实现对雷达辐射源的在线识别，且当用于训练的样本比例不低于10％时，均能获得90％以上的分类正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭怀英	空军装备研究院雷达所	5	72	4.0	5.0
2	袁振涛	空军装备研究院雷达所	3	13	3.0	3.0
3	公绪华	空军装备研究院雷达所	3	12	3.0	3.0