为了解决部分均匀环境中训练数据不足时的子空间信号检测难题,采用贝叶斯理论,将噪声协方差矩阵建模为逆威沙特分布,并采用广义似然比准则(generalized likelihood ratio test,GLRT)、Rao准则和Wald准则设计自适应检测器,结果表明3种准...为了解决部分均匀环境中训练数据不足时的子空间信号检测难题,采用贝叶斯理论,将噪声协方差矩阵建模为逆威沙特分布,并采用广义似然比准则(generalized likelihood ratio test,GLRT)、Rao准则和Wald准则设计自适应检测器,结果表明3种准则得到相同的结果。基于仿真及实测数据验证了所提检测器的有效性,并得出了影响检测性能的关键物理量。展开更多
文摘为了解决部分均匀环境中训练数据不足时的子空间信号检测难题,采用贝叶斯理论,将噪声协方差矩阵建模为逆威沙特分布,并采用广义似然比准则(generalized likelihood ratio test,GLRT)、Rao准则和Wald准则设计自适应检测器,结果表明3种准则得到相同的结果。基于仿真及实测数据验证了所提检测器的有效性,并得出了影响检测性能的关键物理量。
文摘在缺乏先验信息的复杂电磁环境中,传统的监督型算法难以满足战场的即时性需求,雷达辐射源个体的精确识别任务面临显著挑战。为此,提出了一种在全盲标签条件下,采用基于典型相关分析(canonical correlation analysis,CCA)的多域特征融合技术和相关系数的特征选取方法,并结合自适应基于密度的带噪声空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)实现雷达辐射源个体的盲聚类。鉴于不同特征在时域结构上存在的显著差异,采取时域对齐方法处理雷达信号的包络上升沿,进而从对齐后的信号中提取多维度的时域及时频域特征。针对多域特征在空间结构上的差异性,提出了一种基于相关系数的特征选取策略,以优化后续处理流程。为了有效发挥CCA算法在多域互补特征融合的作用,进而突出多域互补特征在基于数据密度类聚类算法的适应性,在后端引入了DBSCAN聚类算法。鉴于无监督聚类算法DBSCAN对参数设置的敏感性,引入了一种自适应参数优化方法,以实现聚类效果的最优化。最后,实验验证了所提融合特征盲聚类方法的有效性。
