-
题名天波雷达干扰检测的RD图分类器设计与融合训练
- 1
-
-
作者
高天翱
罗忠涛
郑圆圆
张安安
-
机构
重庆邮电大学通信与信息工程学院
南京电子技术研究所
-
出处
《现代雷达》
北大核心
2025年第1期8-14,共7页
-
文摘
针对天波超视距雷达的射频干扰和瞬态干扰,将干扰检测问题转化为距离-多普勒(RD)图像分类问题,研究RD图像分类器设计并评估其性能,提出多分类器决策融合与半监督自训练方法。RD图分类器设计包括RD图库建设、纹理特征提取和分类算法设计三步。基于不同分类算法设计多种基本分类器,以仿真图库为训练集,对实测数据强干扰的识别率高达95%,但对弱干扰检测性能不佳。为此,提出基于不同特征视图和学习方法的子分类器组合,给出了多分类器的决策融合和半监督自训练算法。实测图库验证表明,多分类器半监督自训练方法能够有效提高RD图像识别率,将弱干扰检测准确率由低于65%提升至80%以上。
-
关键词
天波超视距雷达
干扰检测
RD图像分类
决策融合
半监督自训练
-
Keywords
sky-wave over-the-horizon radar
interference detection
range-Doppler image classification
decision fusion
semi-supervised self-training
-
分类号
TN958.93
[电子电信—信号与信息处理]
-
-
题名基于动态自适应近邻算法的天波雷达RD图分类器设计
被引量：1
- 2
-
-
作者
罗忠涛
唐洪涛
高天翱
曹健
-
机构
重庆邮电大学通信与信息工程学院
南京电子技术研究所
-
出处
《电讯技术》
北大核心
2024年第8期1315-1321,共7页
-
基金
国家自然科学基金资助项目(61701067,61702065)。
-
文摘
天波雷达的干扰检测问题可转化为距离-多普勒(Range-Doppler, RD)图像分类。在RD图分类器设计中,使用K近邻(K-Nearest Neighbor, KNN)算法时,k值的选取直接影响到干扰检测准确率。根据过往经验预设k值时,无法确定所设k值下的干扰检测准确率。为此,将互近邻条件引申为k值自动赋值方法,以局部均值为距离计算依据,设计动态自适应近邻(Dynamic Adaptive Nearest Neighbor, DANN)新算法。分别在多个UCI(University of California Irvine)数据集与现有RD图库上测试,与6个常数k值下K近邻算法进行对比分析。多个UCI数据集实验表明,DANN的平均准确率比不同k值下KNN的均值高6.21%,且比最优k值高3.7%;实测RD图库实验表明,DANN的平均准确率比不同k值下KNN的均值高2.9%,且比最优k值高0.56%。因此,该算法可以在干扰检测中减少人工参与,且能够获得较高的检测准确率。
-
关键词
天波雷达
干扰检测
RD图像分类
自适应近邻
-
Keywords
sky wave radar
interference detection
range-Doppler image classification
adaptive nearest neighbor
-
分类号
TN958.93
[电子电信—信号与信息处理]
-
