导读:本文包含了信号分选论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:信号,算法,深度,向量,敌我,滤波器,网络。
信号分选论文文献综述
解争龙,弋改珍[1]（2019）在《基于深度自编码网络的激光制导混合信号分选系统设计》一文中研究指出针对当前设计方法无法实现激光制导混合信号准确分选的问题,提出一种基于度自编码网络的激光制导混合信号分选系统设计方法,设计了包括激光制导信号接收、处理、分选、合并编批以及分选结果发送模块,形成了一套完整的系统软件操作流程;并对包含译码电路、锁存电路、信号缓存电路、及激光制导信号上传电路,以及外围辅助电路的系统分选器进行设计,实现了激光制导混合信号分选系统最终设计.实验结果证明,所提方法能够准确实现普通激光制导信号以及包括载频信号、脉宽信号、重频信号叁种特殊激光制导信号的分选.(本文来源于《微电子学与计算机》期刊2019年12期）
吕敏[2]（2019）在《一种Mark XIIA模式5信号的分选方法》一文中研究指出针对复杂电磁环境下北约新型Mark XIIA模式5信号分选难度大的问题,提出了一种基于空域、时域特征的信号分选方法。通过方位角对脉冲序列进行聚类,研究前导脉冲偏移量生成规则,提出了基于通信安全有效性间隔与交错索引的框架识别算法。通过改进的脉冲重复间隔(Pulse Repetition Interval,PRI)变换法对信号进行周期估计,实现同向交错信号分离的目的。通过仿真对比,该框架识别算法对动态偏移的脉冲信号有很好的识别效果,能在更低信噪比条件下识别正确率达到90%。此外,改进的PRI变换法对抖动范围10%的周期信号,估计误差不超过2%。(本文来源于《电讯技术》期刊2019年11期）
王彬,高冰,谷沛尚,辛凤鸣[3]（2019）在《基于FastICA的低信噪比雷达信号分选算法》一文中研究指出针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(Fast ICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.(本文来源于《东北大学学报(自然科学版)》期刊2019年11期）
赵贵喜,王博通,姚四伟,郑洪涛[4]（2019）在《基于云模型的SVC算法在雷达信号分选中的应用》一文中研究指出针对传统雷达信号分选难以适应当前复杂多变雷达信号环境,引入了云模型,结合K-Means聚类和支持向量聚类(SVC),提出了一种新的雷达信号分选方法。该算法先采用云模型对雷达特征参数的定性概念向定量区间转换,结合支持向量聚类对雷达脉冲数据流进行初始划分,提供初始的聚类中心,最后利用K-Means聚类算法完成最终分选。仿真结果表明,该算法能够很好地对复杂雷达信号进行分选,分选正确率较高。(本文来源于《舰船电子对抗》期刊2019年05期）
丁增斗[5]（2019）在《基于SFCM聚类算法的雷达信号分选方法》一文中研究指出为了应对复杂电磁环境下雷达信号分选任务,进一步提高分选的准确率,提出了一种基于抑制式模糊C-均值(SFCM)聚类的雷达信号分选方法,该方法结合了支持向量聚类(SVC)算法和改进模糊C均值(FCM)算法,并对雷达脉冲信号进行分段分选。SFCM聚类算法根据雷达脉冲数据的分布特征以及各特征参数的稳定性对雷达全脉冲数据分选。实验结果表明该方法能够应对复杂电磁环境下的雷达信号分选任务,且分选准确率较高。(本文来源于《舰船电子对抗》期刊2019年05期）
刘嗣勤,李秀平[6]（2019）在《雷达信号分选关键技术研究》一文中研究指出雷达信号分选的雷达探测的主要内容,对雷达探测的精度和效率有很大影响,主要工作是对雷达探测到的信号进行分类和识别,从而判断威胁等级和地形情况,为作战计划的布置和兵力分布提供数据支持和理论指导。结合理论实践,对雷达信号分选关键技术进行了研究分析,希望对提升我国雷达信号分选效率和准确性有一定的参考和帮助。(本文来源于《电脑编程技巧与维护》期刊2019年10期）
彭刚,袁晓,刘闻[7]（2019）在《雷达辐射源信号聚类分选算法综述》一文中研究指出现代战场环境下雷达信号密集、交迭严重,传统的雷达信号分选算法已不能有效完成未知雷达信号分选工作,而聚类分选因具有无监督学习、对先验知识要求小等优点被学者广泛应用于未知雷达信号聚类分选的研究工作。作者先总结了国内学者在传统聚类算法及其优化算法对未知雷达辐射源信号进行分类分选的部分理论研究成果,分析了各个算法存在的利弊,再根据雷达信号的特征参数以及影响聚类分选的外界因素提出了选择最优聚类算法的参考标准和建议。(本文来源于《雷达科学与技术》期刊2019年05期）
金炜东,陈春利[8]（2019）在《基于集成深度学习的雷达信号分选研究》一文中研究指出针对目前雷达信号分选方法中难以快速提取到合适的特征,且其准确度较低等问题,提出一种基于集成深度学习模型的信号分选方法。通过堆迭不同类型的深度信念网络改进算法,对雷达辐射源信号进行深入特征学习,将每层模型得到的后验概率进行线性集成学习,再通过决策层确定最终的分类结果,从而进一步提高信号的识别率。采用所提方法对仿真的不同类型的雷达辐射源信号进行分选,实验结果表明,该方法展现出较强的学习到更多数据本质特征的能力;相比于其它信号分选方法,所提方法能显着地提高信号分类的准确率,从而验证了方法的有效性和优越性。(本文来源于《系统仿真学报》期刊2019年09期）
史雨璇[9]（2019）在《基于改进VGG-13卷积神经网络的单脉冲信号分选》一文中研究指出在现有的针对脉冲描述字(Pulse Description Word,PDW)的信号预分选方法出现错误的情况下,针对脉冲重复间隔(Pulse Repetition Interval,PRI)的信号主分选的运算迭代次数和误差将会明显增加.为解决此类问题导致的整个分选结果所出现的错误.提出了基于单脉冲特性参数的信号分选方法,将信号到达时间差(Difference Time of Arrival,DTOA)特性作为新的单脉冲参数和PDW进行结合,共同完成聚类,获得更为准确的分选结果.仿真实验表明,在PDW重复度较高的情况下,会导致信号预分选出现错误,进而使最终的分选结果出现错误.而本方法在传统分选出现错误时,依然可以得到准确的雷达信号分选结果,提高了复杂环境下的分选准确率.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2019年04期）
吴昊,柳征,郑超凡[10]（2019）在《基于序贯多目标匹配滤波器的雷达信号分选方法》一文中研究指出面对日益复杂的电磁环境,电子侦察关注的重点是未经掌握的电磁目标,利用"先验信息"对密集脉冲流进行分选可以有效稀释脉冲流密度,从而提高后续信号分选的效率。针对此应用背景,在RFS理论对雷达模板状态集和量测集建模的基础上提出了一种基于序贯多目标匹配滤波器的信号分选方法。仿真实验表明该方法具备分选效率高、对丢失脉冲和干扰脉冲不敏感的优势。(本文来源于《航天电子对抗》期刊2019年04期）
信号分选论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对复杂电磁环境下北约新型Mark XIIA模式5信号分选难度大的问题,提出了一种基于空域、时域特征的信号分选方法。通过方位角对脉冲序列进行聚类,研究前导脉冲偏移量生成规则,提出了基于通信安全有效性间隔与交错索引的框架识别算法。通过改进的脉冲重复间隔(Pulse Repetition Interval,PRI)变换法对信号进行周期估计,实现同向交错信号分离的目的。通过仿真对比,该框架识别算法对动态偏移的脉冲信号有很好的识别效果,能在更低信噪比条件下识别正确率达到90%。此外,改进的PRI变换法对抖动范围10%的周期信号,估计误差不超过2%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信号分选论文参考文献
[1].解争龙,弋改珍.基于深度自编码网络的激光制导混合信号分选系统设计[J].微电子学与计算机.2019
[2].吕敏.一种MarkXIIA模式5信号的分选方法[J].电讯技术.2019
[3].王彬,高冰,谷沛尚,辛凤鸣.基于FastICA的低信噪比雷达信号分选算法[J].东北大学学报(自然科学版).2019
[4].赵贵喜,王博通,姚四伟,郑洪涛.基于云模型的SVC算法在雷达信号分选中的应用[J].舰船电子对抗.2019
[5].丁增斗.基于SFCM聚类算法的雷达信号分选方法[J].舰船电子对抗.2019
[6].刘嗣勤,李秀平.雷达信号分选关键技术研究[J].电脑编程技巧与维护.2019
[7].彭刚,袁晓,刘闻.雷达辐射源信号聚类分选算法综述[J].雷达科学与技术.2019
[8].金炜东,陈春利.基于集成深度学习的雷达信号分选研究[J].系统仿真学报.2019
[9].史雨璇.基于改进VGG-13卷积神经网络的单脉冲信号分选[J].哈尔滨商业大学学报(自然科学版).2019
[10].吴昊,柳征,郑超凡.基于序贯多目标匹配滤波器的雷达信号分选方法[J].航天电子对抗.2019
论文知识图
