[发明专利]一种基于粗糙集的雷达辐射源信号识别方法

摘要

一种基于粗糙集的雷达辐射源信号识别方法，它涉及信号识别技术领域，它解决了现有的利用粗糙K-均值方法识别雷达辐射源信号时，由于需要计算最小平方和来确定最优初始聚类中心而导致计算量大的问题。本发明的雷达辐射源信号识别方法首先获取雷达辐射源信号样本的脉冲描述字，然后利用粗糙集理论确定粗糙K-均值的聚类数和初始聚类中心，再通过粗糙K-均值获取RBF神经网络隐层神经元的中心，以获得RBF神经网络结构；最后将待识别的雷达辐射源信号的样本描述字输入所述RBF神经网络，获取识别结果，完成雷达辐射源信号的识别。本发明适用于雷达辐射源信号识别。

主权项

1.一种基于粗糙集的雷达辐射源信号识别方法，其特征在于所述识别方法包括以下步骤：步骤一：获取雷达辐射源信号样本的脉冲描述字，所述脉冲描述字为训练待建立的RBF神经网络的样本描述字；步骤二：根据所述雷达辐射源信号样本的样本描述字，利用粗糙集理论计算所述雷达辐射源信号样本的条件属性对决策属性D的属性重要度，并提取针对所述雷达辐射源信号样本的分类规则，其中，i=1,2,…,N；步骤三：根据步骤二获得的属性重要度计算条件属性的属性权值，并将所述条件属性的属性权值作为建立RBF神经网络的隐层神经元基函数的条件属性的属性权值；步骤四：根据步骤二提取的雷达辐射源信号样本的分类规则确定粗糙K-均值的聚类数K和初始聚类中心，再根据所述初始聚类中心进行粗糙K-均值聚类，以获取新聚类中心，并将所述新聚类中心作为待建立的RBF神经网络的隐层神经元基函数的中心，其中，k=1,2,…，K，并根据所述中心计算高斯函数方差；步骤五：根据步骤三获得的隐层神经元基函数的各条件属性的属性权值、步骤四获取的隐层神经元基函数的中心及方差建立RBF神经网络，并获得所述RBF神经网络输出函数，其中，为输出层神经元对隐层神经元的权值，该权值通过使用雷达辐射源信号样本X对RBF神经网络训练获得，J为输出层神经元个数，,，其中，X_i为RBF神经网络输入数据的条件属性的值,为聚类中心的条件属性的值，为高斯函数方差；步骤六：将待识别雷达辐射源信号的样本描述字输入步骤五所建立的RBF神经网络，获取识别结果，完成雷达辐射源信号的识别。