雷達輻射源特征選擇和在線學習算法研究.pdf

1、雷達輻射源識別是電子對抗中的一個關(guān)鍵步驟。隨著現(xiàn)代電子戰(zhàn)的對抗越來越激烈，信號形式更加復雜多變，傳統(tǒng)識別方法面臨日益嚴峻的挑戰(zhàn)。電子設(shè)備日益完善，接收精度越來越高，使得現(xiàn)有特征集維數(shù)過大，給后續(xù)的分類器帶來很大的負擔。此外，面對當前電子對抗的實時性要求，雷達輻射源識別需要快速準確的處理數(shù)據(jù)，從而進行即時有效的戰(zhàn)場指揮與決策。針對電子對抗中出現(xiàn)的新問題，本文研究了雷達輻射源識別中的特征選擇與在線學習方法。
　　 首先，針對輻射源特

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。實驗結(jié)果表明，特征選擇算法能夠?qū)崪y輻射源數(shù)據(jù)的原始特征集進行穩(wěn)定有效的降維，從而加快分類速度，實現(xiàn)工程應(yīng)用。
　　 其次，針對SVM-RFE算法不能去除冗余特征的問題，提出一種基于相關(guān)冗余理論的支持向量機遞歸特征排除算法(MRMR-SVM-RFE)。該算法將相關(guān)冗余準則嵌入到SVM-RFE的特征排序策略中，構(gòu)建出更為完善的聯(lián)合特征排序準則，因此能夠

3、更好地優(yōu)化特征結(jié)構(gòu)。實驗結(jié)果表明，MRMR-SVM-RFE在識別性能、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，為了滿足雷達輻射源識別系統(tǒng)實時處理數(shù)據(jù)的需求，研究了多種在線學習算法。實驗結(jié)果表明，對雷達輻射源數(shù)據(jù)，基于感知器的算法運行速度快，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)定的識別率，而且訓練耗時也遠低于傳統(tǒng)的SVM算法，適合于工程