基于粗集理论的雷达辐射源信号识别
张葛祥1,2,金炜东1,胡来招2
(1.西南交通大学电气工程学院，610031,成都；2.电子对抗国防科技重点实验室，610036,成都）
摘要:将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器.实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7.29%、4.34%和4.00%.RNN的平均训练代数比NN少97.54,RNN的平均识别率比NN高2.84%，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性.
关键词:信号识别；粗集理论；雷达辐射源
中图分类号:TN957;TP18文献标识码:A文章编号:0253-987X(2005)08-0871-05