雷達輻射源識別是通過分析處理截獲的敵方雷達訊號，獲取敵方雷達的工作引數和訊號特徵引數，通過與已知雷達資料庫進行對比，判斷雷達的型號、工作模式、位置。以前多用引數匹配法直接利用測量獲得的訊號特徵引數與已知的雷達資料庫進行匹配，識別雷達輻射源的屬性資訊；另一種是專家系統法，根據專家提供的雷達屬性知識，構建雷達訊號識別的推理規則，對雷達輻射源資料進行推理和識別。
下面是基於機器學習的方法：
1.文獻5：基於粗糙集理論和ｒbf神經網路的雷達輻射源識別方法，首先基於粗糙集對雷達輻射源訊號進行屬性約簡，提取決策規則; 然後採用粗糙k均值聚類方法對ｒbf神經網路的聚類中心進行增益，利用資訊表提取的決策規則構建ｒbf神經網路。
2.文獻25：首先利用粗糙k均值分類器對訓練樣本進行聚類，之後利用粗糙邊界內的樣本訓練svm，再用svm對不確定區域內的樣本進行識別，從而提高了分類精度，並且時間複雜度更低。
3.文獻30：針對低截獲概率雷達波形識別問題，提出利用深度卷積網路遷移學習的識別方法，首先利用 choi-williams 分布將訊號轉化為二維時頻影象並進行預處理，預處理後輸入到 cnn 預訓練模型進行特徵提取，cnn 網路選擇 inception-v3 或 ｒesnet-152，最後用 svm 分類器進行識別。
4.文獻31：降維壓縮。
5.文獻34：比較了 cnn、ｒnn、 lstm 三種深度神經網路模型，並以雷達輻射源訊號包絡前 沿為識別特徵，將模型應用於雷達輻射源個體識別。
6.文獻35：包絡前沿特徵+強化學習。
7.文獻36：dbn。
8.文獻37：將強化學習與 dbn 結合構建 ｒdbn 模型，利用輸入特徵訓練模型，實現對雷達 輻射源的識別分類。
9.文獻38：以輻射源時域波形資料作為訓 練樣本，利用訓練樣本對使用 ｒbm 和 dbn 相結合的模型進 行訓練，採用 knn、隨機森林、svm 三類分類器進行識別。
10.文獻39：通過 stft 將時域雷達訊號轉換為時頻影象並降維 處理，利用 sae 自動提取特徵並進行訓練，使用 softmax 函式 進行分類識別，並**驗證了演算法的有效性。
11.文獻41：提取雷達訊號的雙譜特徵，採用分層極限學習機 ( hierarchical extreme learning machine，h-elm) 中的 sae 進行 特徵學習，通過**驗證了方法的有效性。
文中雷達源識別的方法更加全面，利用生成式對抗網路( gan) 進行資料增強，gan 廣泛應用於影象生成，當提取雷達訊號的二維影象特徵後，使用 gan 擴充樣本庫，再對 cnn、dbn、sae 等 模型進行訓練的方法可供參考。
基於Scikit learn的機器學習模型
建立乙個機器學習的模型非常簡單 form sklearn,liner model import linearregression 匯入線性回歸模型 model linearregression 建立線性回歸模型 print model 訓練模型，對於監督模型來說為 fit x,y 對於非監督模型來說...
基於C 的機器學習 目錄
目前國內關於機器學習的內容多是python或者go或者c 的，net平台下的多是使用封裝好的工具包，而幾乎沒有關於如何使用c 實現的內容。目前有翻譯版本的net平台下的機器學習的書籍，不過卻是f 語言的，沒有c 目錄1.機器學習的基本知識 機器學習概論 資料採集 人工智慧 生物 ai 深度學習 概率...
基於MIMO雷達的原理和應用
在大一下學期的6個月中，我參加了由院長帶頭的一系列新生研討課程。在新生研討課中，多位教授向我們介紹了在電子資訊方面的諸多技術以及新的發展。今天我就就mimo雷達討論一下其原理和以及在社會上的應用。mimo技術的原理 mimo雷達其本質其實是mimo輸入輸出技術和雷達技術的巧妙結合。所以，如果理解了m...