基于模糊函数SVD和改进S3VM的雷达信号识别

• 作者: 周一鹏 周东青 王星 符颖 范翔宇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 雷达信号识别 半监督支持向量机 分类决策面 模糊函数 奇异值分解
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 工程与应用
• 页码范围: 264-270
• 页数: 7页
• 分类号: TN911.6
• 字数: 6462字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0192

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王星	空军工程大学航空航天工程学院	108	502	11.0	16.0
2	周一鹏	空军工程大学航空航天工程学院	21	114	6.0	10.0
3	范翔宇	空军工程大学航空航天工程学院	17	62	5.0	7.0
4	周东青	空军工程大学航空航天工程学院	26	170	7.0	12.0
5	符颖	空军工程大学航空航天工程学院	4	21	3.0	4.0