基于高斯混合模型的辐射源模式识别算法

• 作者: 栗大鹏 梁伟
• 来源期刊: 探测与控制学报
• 关键词: 高斯混合模型 模式学习 模式分类 EM算法
• 年，卷（期）: 2017,（6）
• 页码范围: 40-45
• 页数: 6页
• 分类号: TP301
• 语种: 中文

摘要

针对现有算法对战场新出现辐射源学习与分类能力较差的问题,提出了基于高斯混合模型(Gaussian Mixture Model,GMM)的辐射源信号模式识别算法,该算法对信号在特征空间中的分布模式进行在线学习,形成基于概率统计的分类模型,在分类中给出样本归属的似然概率.为了进一步提高算法的实时性,提出基于空间网格划分的快速EM(Expectation Maximization)方法,从而使GMM拟合的计算复杂度取决于网格划分的密度而不是样本数量,极大提高了算法效率.对电子侦察典型场景的仿真分析表明,算法能够对各类辐射源进行在线学习与分类,适应性较强,且计算效率较传统EM算法有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	栗大鹏	北京理工大学机电学院	3	3	1.0	1.0
5	梁伟		3	3	1.0	1.0