基于学习向量量化网络的雷达工作模式识别技术研究OA

现代雷达工作模式识别任务对实时性与准确性提出了极高的要求,急需一种轻量化且高效的分类算法。为了解决该问题,本文提出一种基于学习向量量化(LVQ)网络的雷达工作模式识别方法。首先,基于雷达信号机理提取关键特征并构造特征向量;其次,设计基于轮廓系数的改进K-means聚类算法,以数据驱动策略确定各模式类别的最优原型数量,从而准确刻画其内部多模态分布;最后,构建优化LVQ网络,并提出基于统计分析的距离阈值判别准则,用于雷达未知模式的鲁棒判别。仿真结果表明,该方法对已知雷达工作模式的平均识别概率可达95%,且在噪声干扰、相似模式混淆及多雷达协同等复杂场景下均能保持良好的识别性能。