先进多功能雷达智能感知识别技术

图书标准信息

• 作者 李云杰；朱梦韬；李岩；范丽丽
• 出版社 科学出版社
• 出版时间 2023-10
• 版次 31
• ISBN 9787030764454
• 定价 178.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 352页
• 字数 444.000千字

【内容简介】

本书聚焦先进多功能雷达的感知识别难题，将人工智能技术应用于对多功能雷达感知识别。全书内容主要包括先进多功能雷达行为建模表征、智能化感知识别技术基础、交织辐射源信号分选、脉内调制类型识别、多功能雷达工作状态识别、多功能雷达系统行为识别、认知多功能雷达行为策略逆向分析等。

【目录】

前言

章 优选多功能雷达系统概述 1

1.1 优选多功能雷达发展历史 1

1.1.1 优选多功能雷达基本概念 1

1.1.2 相控阵优选多功能雷达发展历史 2

1.2 典型优选多功能雷达系统 4

1.2.1 地基多功能雷达系统 4

1.2.2 机载多功能雷达系统 7

1.2.3 舰载多功能雷达系统 12

1.3 优选多功能雷达给电子侦察带来的挑战 15

1.3.1 多功能雷达信号的特点 15

1.3.2 多功能雷达带来的挑战 16

参文献 17

第2章 优选多功能雷达行为机理和观测建模 19

2.1 优选多功能雷达行为机理与参数化模型表征方法 19

2.1.1 mfr系统行为实现的层次化框架 19

2.1.2 mfr系统的典型行为模式 27

2.1.3 mfr系统行为实现过程的层次化框架 29

2.1.4 mfr系统行为动态特表征方法 30

2.1.5 mfr工作的参数化模型表征 35

2.2 基于雷达信号pdw数据的多功能雷达系统行为观测模型 42

2.2.1 mfr系统行为观测模型的概念和内涵 42

2.2.2 mfr系统行为观测目标的客体模型 44

2.2.3 mfr系统行为观测信号的非理想模型 45

2.2.4 mfr系统行为观测者分析模型 46

2.3认知多功能雷达系统行为框架 50 2.4

本章小结 52

参文献 52

第3章 智能化感知识别技术基础 55

3.1 人工智能技术概述 55

3.1.1 人工智能技术简史 56

3.1.2 人工智能在辐源识别中的发展趋势 57

3.2 特征工程简介 58

3.2.1 特征提取方法 59

3.2.2 特征选择方法 62

3.3 有监督机器学 63

3.3.1 有监督机器学简介 63

3.3.2 bp神经网络 64

3.3.3 卷积神经网络 65

3.3.4 循环神经网络 66

3.3.5 长短期记忆网络 67

3.4 无监督机器学 68

3.4.1 无监督机器学简介 68

3.4.2 原型聚类 68

3.4.3 密度聚类 70

3.4.4 层次聚类 70

3.5 强化学 71

3.5.1 强化学基本思想 71

3.5.2 马尔可夫决策过程 72

3.5.3 强化学问题定义 73

3.6 本章小结 75

参文献 75

第4章 雷达信号分选技术 77

4.1 雷达信号分选技术概述 77

4.1.1 雷达信号分选任务内涵 77

4.1.2 多功能雷达信号分选任务建模 78

4.1.3 雷达信号分选实现途径 85

4.2 基于无监督聚类的信号分选方法 87

4.2.1 无监督聚类方法 87

4.2.2 基于ucar的无监督聚类分选算法 89

4.2.3 算法能验证 93

4.3 基于参数化模型优选似然估计的信号分选方法 100

4.3.1 基于参数化模型优选似然估计的分选 100

4.3.2 基于参数化模型优选似然估计的分选算法 103

4.3.3 算法能验证 109

4.4 基于神经机器翻译的信号分选方法 115

4.4.1 神经机器翻译方法 115

4.4.2 基于神经机器翻译的分选算法 117

4.4.3 算法能验证 122

4.5 本章小结 131

参文献 131

第5章 多功能雷达信号脉内调制识别技术 135

5.1 多功能雷达脉内调制识别技术概述 135

5.1.1 雷达脉内调制识别任务内涵 135

5.1.2 雷达脉内调制识别任务建模 136

5.1.3 雷达脉内调制识别技术途径分析 139

5.2 低信噪比条件下的脉内调制类型识别方法(ldcu-dn) 141

5.2.1 低信噪比下的脉内调制类型识别任务 141

5.2.2 生成对抗网络的基本 142

5.2.3 一种基于局部密集连接u的lpi雷达信号调制类型识别算法(ldcu- dn) 144

5.2.4 算法能验证 149

5.3 小样本条件下脉内信号调制样式识别方法(fg-fsl) 152

5.3.1 脉内调制类型识别的小样本学任务建模 152

5.3.2 小样本学基本 153

5.3.3 一种基于前景分割的小样本识别方法(fg-fsl) 158

5.3.4 算法能验证 161

5.4 时频交叠条件下的脉内调制类型识别方法(raugan-miml) 170

5.4.1 时频交叠条件下的脉内调制类型识别任务 170

5.4.2 多示例多标签学方法的基本 171

5.4.3 一种基于残差注意力u和miml的时频交叠信号调制识别方法 (raugan-miml) 172

5.4.4 算法能验证 179

5.5 本章小结 187

参文献 187

第6章 多功能雷达行为层次化识别技术 194

6.1 多功能雷达行为识别技术概述 194

6.1.1 行为层次化识别任务内涵 194

6.1.2 行为层次化识别任务建模 195

6.1.3 雷达行为层次化识别实现途径分析 198

6.2 基于序列到序列学的工作序列识别方法 201

6.2.1 序列到序列学的基本 202

6.2.2 基于层次化序列到序列学的标签序列识别 203

6.2.3 算法能验证 207

6.3 基于模型的时间序列聚类工作识别方法 221

6.3.1 时间序列的特与聚类 221

6.3.2 雷达标签序列聚类识别算法 225

6.3.3 算法能验证 232

6.4 基于序贯设检验的工作序列切换点在线检测方法 242

6.4.1 多功能雷达工作在线切换点检测任务 242

6.4.2 雷达工作在线切换点检测算法 246

6.4.3 算法能验证 252

6.5 优选多功能雷达系统行为识别方法 258

6.5.1 符号序列生成 258

6.5.2 行为映识别 260

6.5.3 行为识别数据实验 262

6.5.4 级联网络数据实验 264

6.6 本章小结 266

参文献 267

第7章 认知多功能雷达系统行为逆向分析 270

7.1 认知多功能雷达系统行为逆向分析任务概述 270

7.1.1 雷达系统行为逆向分析任务内涵 270

7.1.2 逆向分析技术实现途径分析 272

7.2 基于逆滤波的逆信号处理方法 274

7.2.1 针对雷达目标跟踪滤波的逆分析任务 274

7.2.2 典型雷达目标跟踪滤波算法的逆分析算法 277

7.2.3 逆滤波处理在干扰效果评估中的应用 289

7.3 基于回报函数反演的逆资源管理分析 304

7.3.1 基于服务质量的认知雷达资源管理模型 304

7.3.2 基于强化学的认知雷达资源管理实现 306

7.3.3 认知雷达资源管理器逆向分析任务 309

7.4 基于多任务学的认知雷达动作识别方法 310

7.4.1 多任务学 311

7.4.2 基于mtl的认知雷达动作提取任务建模 312

7.4.3 基于mtl的认知雷达动作提取算法 313

7.4.4 算法能验证 317

7.5 基于逆强化学的认知雷达回报函数反演方法 326

7.5.1 逆强化学 326

7.5.2 基于优选熵深度逆强化学的回报函数反演算法 328

7.5.3 算法能验证 331

7.6 本章小结 337

参文献 338