典型文献
基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法
文献摘要：
针对雷达实际侦察过程中会侦收到大量样本库中所没有的未知雷达信号,设计了一种基于粒子群优化的具有噪声的密度聚类算法和半监督条件生成对抗网络的单脉冲未知雷达信号处理方法.通过粒子群优化算法得到具有噪声的密度聚类算法的最优输入参数后,对未知雷达信号进行聚类,在聚类算法输出的簇中采用距离筛选算法筛选出更为可信的样本将其扩展到雷达样本库中.当加入的未知雷达信号的种类过多时,需对特征提取网络进行扩展训练,而样本库中数据量较小,难以支持特征提取网络进行有效扩展训练.因此,借鉴了半监督条件生成对抗网络实现小样本情况下未知信号的训练和分类识别.仿真结果表明,本方法的未知雷达信号识别效果表现良好.
文献关键词：
未知雷达信号识别;粒子群优化;具有噪声的密度聚类算法;距离筛选算法;半监督条件生成对抗网络
中图分类号：
作者姓名：
曹鹏宇;杨承志;石礼盟;吴宏超
作者机构：
空军航空大学航空作战勤务学院,吉林长春130022;中国人民解放军93671部队,河南南阳474350
文献出处：
引用格式：
[1]曹鹏宇;杨承志;石礼盟;吴宏超-.基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法)[J].系统工程与电子技术,2022(04):1158-1165
A类：
SCGAN,具有噪声的密度聚类算法,半监督条件生成对抗网络,距离筛选算法,未知雷达信号识别
B类：
PSO,DBSCAN,雷达信号处理,侦察,样本库,单脉冲,粒子群优化算法,输入参数,特征提取网络,数据量,小样本,分类识别
AB值：
0.083139
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
