雷達(dá)輻射源特征選擇和在線學(xué)習(xí)算法研究.pdf

1、雷達(dá)輻射源識(shí)別是電子對(duì)抗中的一個(gè)關(guān)鍵步驟。隨著現(xiàn)代電子戰(zhàn)的對(duì)抗越來(lái)越激烈，信號(hào)形式更加復(fù)雜多變，傳統(tǒng)識(shí)別方法面臨日益嚴(yán)峻的挑戰(zhàn)。電子設(shè)備日益完善，接收精度越來(lái)越高，使得現(xiàn)有特征集維數(shù)過(guò)大，給后續(xù)的分類器帶來(lái)很大的負(fù)擔(dān)。此外，面對(duì)當(dāng)前電子對(duì)抗的實(shí)時(shí)性要求，雷達(dá)輻射源識(shí)別需要快速準(zhǔn)確的處理數(shù)據(jù)，從而進(jìn)行即時(shí)有效的戰(zhàn)場(chǎng)指揮與決策。針對(duì)電子對(duì)抗中出現(xiàn)的新問(wèn)題，本文研究了雷達(dá)輻射源識(shí)別中的特征選擇與在線學(xué)習(xí)方法。
　　 首先，針對(duì)輻射源特

2、征集小樣本、高維數(shù)的特性，研究了Relief和Simba兩種濾波式特征選擇算法。實(shí)驗(yàn)結(jié)果表明，特征選擇算法能夠?qū)?shí)測(cè)輻射源數(shù)據(jù)的原始特征集進(jìn)行穩(wěn)定有效的降維，從而加快分類速度，實(shí)現(xiàn)工程應(yīng)用。
　　 其次，針對(duì)SVM-RFE算法不能去除冗余特征的問(wèn)題，提出一種基于相關(guān)冗余理論的支持向量機(jī)遞歸特征排除算法(MRMR-SVM-RFE)。該算法將相關(guān)冗余準(zhǔn)則嵌入到SVM-RFE的特征排序策略中，構(gòu)建出更為完善的聯(lián)合特征排序準(zhǔn)則，因此能夠

3、更好地優(yōu)化特征結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，MRMR-SVM-RFE在識(shí)別性能、穩(wěn)定性以及魯棒性等各方面均優(yōu)于原始的SVM-RFE算法，并能成功應(yīng)用于輻射源數(shù)據(jù)的特征選擇。
　　 最后，為了滿足雷達(dá)輻射源識(shí)別系統(tǒng)實(shí)時(shí)處理數(shù)據(jù)的需求，研究了多種在線學(xué)習(xí)算法。實(shí)驗(yàn)結(jié)果表明，對(duì)雷達(dá)輻射源數(shù)據(jù)，基于感知器的算法運(yùn)行速度快，但穩(wěn)定性較差；而OISVM算法雖然比感知器算法慢，卻能保持較高且穩(wěn)定的識(shí)別率，而且訓(xùn)練耗時(shí)也遠(yuǎn)低于傳統(tǒng)的SVM算法，適合于工程