期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN和D-S证据理论的多站协同多功能雷达工作模式识别方法
1
作者
于旺
石艳
+1 位作者
宋吉烨
黄子纯
《电子信息对抗技术》
2024年第2期33-39,共7页
传统的多功能雷达工作模式识别方法主要利用单一电子侦察设备侦收的脉冲数据完成特征提取,其模型或算法的泛化能力不强。因此,提出基于卷积神经网络(Convolutional Neural Network,CNN)和D-S(Dempster-Shafer)证据理论的多站协同多功能...
传统的多功能雷达工作模式识别方法主要利用单一电子侦察设备侦收的脉冲数据完成特征提取,其模型或算法的泛化能力不强。因此,提出基于卷积神经网络(Convolutional Neural Network,CNN)和D-S(Dempster-Shafer)证据理论的多站协同多功能雷达工作模式识别方法。首先,利用轻量级CNN模型对不同方位、不同俯仰下侦察截获分选的脉冲幅度/波形单元数据进行自适应特征提取。其次,利用多站协同侦察系统通过D-S证据理论融合多站协同下不同侦察站点的Softmax分类器的分类结果,实现在差侦察条件下对不同空间方向上的多功能雷达工作模式快速准确识别。仿真验证结果表明,该方法相比于单侦察站条件下具有更好的识别性能。
展开更多
关键词
工作模式识别
卷积神经网络
D-S证据理论
多站协同
下载PDF
职称材料
题名
基于CNN和D-S证据理论的多站协同多功能雷达工作模式识别方法
1
作者
于旺
石艳
宋吉烨
黄子纯
机构
桂林长海发展有限责任公司
绿盟科技股份集团有限公司
西安电子科技大学电子工程学院
出处
《电子信息对抗技术》
2024年第2期33-39,共7页
基金
国家自然科学基金青年科学基金项目(61901332)。
文摘
传统的多功能雷达工作模式识别方法主要利用单一电子侦察设备侦收的脉冲数据完成特征提取,其模型或算法的泛化能力不强。因此,提出基于卷积神经网络(Convolutional Neural Network,CNN)和D-S(Dempster-Shafer)证据理论的多站协同多功能雷达工作模式识别方法。首先,利用轻量级CNN模型对不同方位、不同俯仰下侦察截获分选的脉冲幅度/波形单元数据进行自适应特征提取。其次,利用多站协同侦察系统通过D-S证据理论融合多站协同下不同侦察站点的Softmax分类器的分类结果,实现在差侦察条件下对不同空间方向上的多功能雷达工作模式快速准确识别。仿真验证结果表明,该方法相比于单侦察站条件下具有更好的识别性能。
关键词
工作模式识别
卷积神经网络
D-S证据理论
多站协同
Keywords
work pattern recognition
convolutional neural network
D-S evidence theory
multi-station collaboration
分类号
TN974 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN和D-S证据理论的多站协同多功能雷达工作模式识别方法
于旺
石艳
宋吉烨
黄子纯
《电子信息对抗技术》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部