基于多重分形和半监督EM的LPI雷达信号识别

摘要：

针对先验信息不完整的非合作电子对抗背景下的低截获概率雷达信号识别问题,提出一种基于多重分形和半监督最大期望(EM)的识别算法.该算法计算出信号的多重分形谱,提取出信号的多重分形谱参数特征;针对EM算法中全部未标记样本集的加入会造成收敛速度缓慢甚至有可能影响到分类精度的缺陷,引入Self-training思想,提出一种基于Self-training的半监督EM算法.该算法通过挑选最为确定的一个或多个未标记样本来更新样本集,使得未标记样本集不断缩小进而加快分类器的训练速度,也可有效避免错误的累加,在一定程度匕可提高分类精度.理论分析和仿真结果表明,在LPI雷达信号识别问题匕,所提出的算法在不同的信噪比下具有更高的分类识别率和更好的实时性.

关键词：多重分形、半监督学习、Self-training、信号识别、低截获概率雷达

所属期刊栏目：33

分类号：TN974

资助基金：国家自然科学基金项目61372167;航空科学基金项目20152096019

在线出版日期：2018-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1941-1949