王 懋,王 銳,徐 祎,張海黎
(1.電子工程學院,安徽 合肥 230037;2.北京地區軍事代表室,北京 100083)
在電子情報偵察系統(ELINT)、電子支援系統(ESM)和反輻射導彈(ARM)中,未知輻射源環境下的雷達信號分選占有重要的地位[1]。在未知輻射源環境下無法得到訓練樣本,雷達脈沖信號分選是利用脈沖信號參數的相關性實現的。比較經典的算法有直方圖法、PRI變換法以及平面變換法,它們采用一維、二維方式分選,無法直接利用現有的載頻、脈沖到達時間、脈沖寬度、脈沖幅度、到達角(方位角和俯仰角)五個傳統參數進行多參數分類,效率受到影響。而現有多參數聚類的多維分選方法,又存在最佳分類個數和誤差范圍的選擇問題。本文提出了一種基于小樣本集推理的雷達信號多維分選技術,充分利用已有的雷達信號描述向量來達到最佳分選效果,避免目前經典算法所帶來的問題,得到具有良好推廣性的分類器。
小樣本集推理是一種非參數判別分類的學習方法。20世紀60年代出現的非參數判別分類的學習方法,在應用統計學的基礎上結合了模式識別和計算機科學,克服了傳統參數判別分類的學習方法不能解決的一些問題,如“維數災難”,樣本較少時無法精確獲得概率密度函數的問題。20世紀末由Vapnik等人提出了針對小樣本集推理的一般理論及其方法。對學習機器函數集的容量進行控制,從而實現有限樣本的有效學習,找到推廣性好的學習機器。……