粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法
王文哲1
吴华1
索中英2
陈游1
程嗣怡1
1.空军工程大学航空航天工程学院,西安,7100382.空军工程大学航空航天工程学院,西安,710038;空军工程大学理学院,西安,710051
摘要：针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法.该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度.仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1％到+1.4％之间,训练时间和测试时间分别最大缩短0.857 s和0.005 s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路.
关键词：雷达辐射源识别粗糙K-meansAdaBoost计算复杂度
分类号：V243.2(航空仪表、航空设备、飞行控制与导航)TN974(电子对抗（干扰及抗干扰）)
资助基金：陕西省自然科学基金(2012JQ8019)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 51-55 )
英文信息