基于复杂电磁大数据的辐射源联合参数模型挖掘和识别

项目名称： 基于复杂电磁大数据的辐射源联合参数模型挖掘和识别

项目编号： No.61402426

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 徐欣

作者单位： 中国电子科技集团公司第二十八研究所

项目金额： 26万元

中文摘要： 随着传感器技术的发展，在陆、海、空侦察、监视、定位和跟踪等应用领域涌现出越来越多种类的新体制辐射源。在当前复杂电磁大数据环境下，各类新体制辐射源信号特征参数相互重叠且具有联合变化特点和模式。新体制辐射源的实时性和准确性识别是一项艰巨的挑战。如果不掌握其联合变化规律，仅仅依靠辐射源常规统计参数特征，已难以区分辐射源类型。然而，由于新体制辐射源信号参数联合变化模式非常复杂，信号参数范围重叠严重，采集到的辐射源信号数据不完整、不确定性高，信号参数联合变化模式难以分析、挖掘和利用。本课题拟采用增量式学习的辐射源联合参数建模方法，从海量递增的、不完整、不确定性高的复杂电磁大数据中挖掘出典型的辐射源联合参数变化模式，并在此基础上构建识别模型，以提高新体制辐射源的识别能力。本课题的研究成果对于复杂电磁大数据环境下提升航空、航海、导航、搜救、交管和电子对抗中辐射源识别的准确性、鲁棒性和实时性具有重大意义。

中文关键词： 增量式学习；联合参数模型；数据挖掘；辐射源识别；

英文摘要： With the rapid development of sensor technology, numerous new emitter types have emerged continuously in reconnaissance, surveillance, orientation, tracing and navigation in the air, sea, and land. With the complex electromagnetic big data，one typical cha

英文关键词： Incremental Learning；Joint-Parameter Model；Data Mining；Emitter Identification；