[发明专利]一种基于参数多属性自主智能决策的辐射源自动识别系统有效

专利信息
申请号: 201710530711.3 申请日: 2017-06-28
公开(公告)号: CN107423754B 公开(公告)日: 2020-10-30
发明(设计)人: 张春红;樊青波;宋光磊;周长青;张峰会 申请(专利权)人: 山东航天电子技术研究所
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京理工大学专利中心 11120 代理人: 李微微;仇蕾安
地址: 264003 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 参数 属性 自主 智能 决策 辐射源 自动识别 系统
【权利要求书】:

1.一种辐射源自动识别系统,其特征在于,包括远程辐射源知识库加载模块、侦获辐射源参数录入模块、已知辐射源识别模块、未知辐射源识别模块以及辐射源识别结果输出模块,其中:

所述远程辐射源知识库加载模块:基于用户识别总体需求,通过Oracle查询方式自动选择性读取远程知识库,完成辐射源知识库的加载;

所述侦获辐射源参数录入模块:向用户提供待识别辐射源参数的录入界面,并执行参数导入操作;

所述已知辐射源识别模块:基于加载的辐射源知识库和录入的侦获辐射源参数,采用基于参数多属性自主智能决策的辐射源自动识别算法,完成对输入辐射源属性的判别,即将输入辐射源分为已知辐射源和未知辐射源;针对已知辐射源,自动识别出其所属类型或型号;对未知辐射源,送入未知辐射源识别模块;

所述未知辐射源识别模块:基于加载的辐射源知识库和录入的侦获辐射源参数,对未知辐射源进行自动分类并自动识别出其体制;

所述辐射源识别结果输出模块:在界面上以列表形式输出已知辐射源识别模块和未知辐射源识别模块的识别结果,并存储辐射源分类识别结果;

其中,所述未知辐射源识别模块包括重合度系数计算子模块、相似性度量子模块、体制粗分类子模块、二次分类子模块以及融合判决模块,其中:

重合度系数计算子模块用于:根据输入的单组未知辐射源至少三个参数的变化特征与辐射源知识库模板矩阵中的每个类型或型号的对应参数变化特征分别比较,估算相对于各类型或型号的重合度系数序列Cj,其中,j=1,2,…,M,M为辐射源知识库模板矩阵中的辐射源类型或型号总数目;

体制粗分类子模块用于:将各个重合度系数与设定的重合度门限CT进行比较,将大于门限CT的所有知识库的类型或型号对应体制示数作为体制粗分类结果,同时记录知识库中对应的辐射源类型或型号代号作为参考类型或型号结果;若所有重合度系数均小于门限CT,则将重合度系数最大值Cmax对应的知识库中辐射源类型或型号代号作为参考类型或型号结果,将其体制示数作为体制粗分类结果;

相似性度量子模块用于:根据输入的单组未知辐射源的至少三个参数变化特征及参数变化范围,与辐射源知识库模板矩阵中的每个类型或型号的参数变化特征及变化范围,估算未知辐射源相对于第j个类型或型号辐射源的相似性度量值序列Sj

二次分类子模块用于:求取相似性度量值序列Sj中的相似性度量值最大值Smax,及确定最大值Smax对应于辐射源知识库中的类型或型号体制示数,将该体制示数作为体制识别二次分类结果,同时记录对应于知识库中的类型或型号代号作为参考类型或型号结果;

融合判决模块用于:根据体制粗分类子模块的体制粗分类结果及二次分类子模块的二次分类结果,采用体制融合判决得出体制融合判决结果,具体为:

(1)当CjCT时,若二次分类结果与粗分类结果一致或二次分类结果只是粗分类结果的一个子集,体制融合判决结果采用二次分类结果;若二次分类结果与粗分类结果不一致或起冲突,体制融合判决结果仍以二次分类结果为准;

(2)当Cj≤CT时,若二次分类结果与粗分类结果一致或二次分类结果是粗分类结果的一个子集,体制融合判决结果采用二次分类结果;若二次分类结果与粗分类结果不一致或起冲突,体制识别结果仍以二次分类结果为准。

2.如权利要求1所述的一种辐射源自动识别系统,其特征在于,所述侦获辐射源参数录入模块支持手动输入及远程批量导入辐射源参数录入模式。

3.如权利要求1所述的一种辐射源自动识别系统,其特征在于,重合度系数的计算过程如下:

设集合X表示未知辐射源的参数变化特征;集合Vj表示辐射源知识模板矩阵中第j个类型或型号辐射源所属体制对应的参数变化特征,则重合度系数计算公式如下:

其中,length(·)表示集合(·)中元素的个数,X∩Vj表示两个集合的交集,N表示参与比较的参数的变化特征的数目。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东航天电子技术研究所,未经山东航天电子技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710530711.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top