[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
【说明书】:

发明公开了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,可以对单组或批量复杂体制侦测数据进行实时自动识别,基于用户提供的远程知识库连接可自动判别出是已知辐射源或未知辐射源,基于已知辐射源判别结果可自动识别出其类型或型号,基于未知辐射源判别结果可自动识别出其体制及参考类型或型号,针对批量侦测数据的识别处理时延优于1s;基于参数多属性自主智能决策处理实现对复杂体制辐射源的自动分类识别及已知类型或型号的自动准确识别,结合知识库形成相似性专家知识实现对未知辐射源体制的自动识别。

技术领域

本发明属于辐射源识别技术领域,涉及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。

背景技术

随着电子技术的发展,特别是雷达、通信等技术的广泛应用,使得辐射源工作体制变得复杂多样,电磁环境变得愈加复杂。电子侦察系统侦获的辐射源参数也愈加多样化,仅依靠人工判读或简单比较查询方式去识别辐射源所属类型或型号存在耗时耗力、识别速度慢、识别准确率较低、未知辐射源体制难以识别等缺陷,因而对辐射源自动识别系统提出了越来越高的要求,主要表现在两个方面:一方面,针对知识库里已经掌握的已知辐射源侦获参数,要求能够进行辐射源类型或型号快速自动准确识别,并提高对跳频、捷变频等变化参数辐射源的识别准确率;另一方面,针对知识库里不掌握参数的未知辐射源,基于侦获参数能够结合专家知识快速自动识别其技术体制,为目标辐射源分类及所侦获参数是否编入新类型辐射源知识库做技术储备。

基于模式识别的辐射源识别方法总体可分为比较查询、神经网络、模糊集多属性理论三类,虽然这几类方法可应用于对已知辐射源进行识别,但只是辐射源自动识别系统中的一个环节,且对于同时关注未知辐射源体制的辐射源自动识别系统,目前未见相关研究。

发明内容

本发明的目的是为了克服已有技术的缺陷,为了解决对已知复杂体制辐射源的快速准确识别及对未知辐射源体制的自动识别问题,提出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,以提升批量已知未知辐射源的识别准确率及识别效率,促进辐射源自动识别技术的推广应用。

一种辐射源自动识别系统,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,对未知辐射源进行分类并识别出其体制;

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。

较佳的,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。

较佳的,所述未知辐射源自动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的变化特征分别比较,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;

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/201710530711.3/2.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