基于修正的M距離輻射源識別方法及計算機仿真

 摘要：提出了一種基于修正的M距離輻射源識別的新方法。該方法對各特征參數作加權值處理，得到一種新的相似性度量標準，大大提高了識別的準確性。通過計算機仿真，驗證了該方法的合理性與有效性。

    關鍵詞：M距離 輻射源 識別 數據庫

現代戰場電磁環境日益密集、復雜，如何快速、準確地對輻射源進行識別已成為電磁斗爭領域的一項緊迫任務。一般來說，無源探測系統通過對輻射源輻射信號的處理，得到反映輻射源特征的特征量，由這些特征量根據一定的算法完成對輻射源的識別。這里提到的識別主要是指對輻射源的類型作出判斷，若能預先知道輻射源與載體之間的搭配關系，則可進一步實現對輻射源載體的識別[1]。目前，對輻射源識別方法的研究很多，包括人工識別方法、傳統的數據處理識別方法、智能化識別方法等[3[4]。人工識別方法是運用人的知識、經驗，進行分析和推理，作出判斷，不能適應復雜的電磁環境。傳統的數據處理識別是利用計算機技術、數字技術進行識別(如數據庫查詢識別、統計模式識別等)。這類識別方法在待識別雷達信號數據不全或新出現信號時，識別結果難盡人意。智能化識別方法一般比較復雜，難以實現。本文從統計學理論出發，提出了一種基于修正的M距離的輻射源識別法，對輻射源識別問題進行了一些有意義的研究。

1 問題描述

對于現有的數據庫或知識庫，輻射源個體識別過程就是將偵察所得信號與輻射源數據庫中的已知信號相比較，根據某一判決規則，使按該規則對被識別對象進行識別所造成的錯誤識別率最小或引起的損失最小，從而確定該信號的類屬。簡單地說就是一個分類問題[2]。其判斷的依據主要是看兩信號的相似性程度，這涉及到相似性度量標準的問題。為了有效地實現分類識別，需對原始偵察數據進行處理，得到最能反映分類本質的特征。一般把原始數據構成的空間叫測量空間，把分類識別賴以進行的空間叫做特征空間。如果用一組特征參數描述輻射源信號，由這組特征參數所構成的向量即為特征空間中的一個點，此時，點間的距離函數可以作為相似性度量的一個標準。這樣，在實際過程中可以依據距離的大小作為模式分類的依據。現在的問題就歸結為選擇什么樣的距離作為相識性度量的標準，從而實現識別、分類。

在輻射源識別中，常采用M距離作為相似性度量的標準。M距離又稱為馬氏距離，這里的M代表英文Maharanobis。在數理統計中，稱常數

r為a到b的M距離。其中a、b為m維列向量。下面以雷達為例，討論輻射源泉識別中M距離的應用。

對于雷達這樣的多特征對象，采用多元正態分布的概率模型，其概率密度函數定義為：

[1] [2] [3] [4] 

【基于修正的M距離輻射源識別方法及計算機仿真】相關文章：

基于計算機視覺的駕駛疲勞識別方法的研究04-26

基于RBF神經網絡和M距離的衛星故障診斷05-02

基于修正因子智能權函數的汽車ABS模糊控制算法仿真研究04-27

基于差空間的MPCA人臉識別方法05-02

基于并行計算機的飛機剎車系統半實物仿真04-27

基于混合優化策略的結構損傷識別方法04-29

基于修正函數的動態地形改造05-02

基于SYSNOISE的汽車氣動噪聲仿真04-30

基于框架/構件的虛擬仿真概念04-30

基于CATIA的虛擬維修仿真研究04-27