神经网络在辐射源方向信息分选中的应用

摘要

辐射源信号分选是雷达对抗中的重要组成部分。面对不断恶化的电子环境，接收到信号特征参数可能发生各种变化，分选的性能急剧恶化，同时分选的实时性受到严峻的考验。然而，辐射源的位置是固定的，信号到达方向(DOA)是信号分选可靠的信息。由于无法确切知道截获的脉冲流类别数目，辐射源方向信息分选本质上属于典型的无监督分类问题。因此，用无监督分类方法研究辐射源方向信息的实时分选具有重要意义。
　　为了更好研究辐射源方向信息的分选，本文首先利用相关干涉仪测向的方法进行方向信息的提取。在推导了基于圆型阵列的测向公式后，将基线间的和相位信息与差相位信息变换投影到复平面上，对模糊和差相位信息在复平面投影点的分布规律进行了详细的讨论，利用欧式距离的方法解决测向时的模糊问题并对阈值半径等不同因素下解模糊概率进行了仿真与分析。
　　在获取辐射源方向信息后，选用模糊自谐振神经网络作为无监督分类的方法。在介绍了了模糊自谐振神经网络分选算法后，针对算法存在的问题，并从硬件实现的合理性考虑，对算法的结构进行了调整并提出新的权值更新方法。实验仿真表明，改进后的算法有着更好的分选的性能同时易于硬件逻辑电路实现。
　　最后，对改进后的模糊自谐振神经网络分选算法进行了FPGA仿真实现。在分析算法并行处理与字长效应的基础上，根据算法结构可划分为输入模块、回忆阶段模块、训练阶段模块，在各模块实现的后用状态机编写同步时序逻辑控制器，使得各个模块间有序执行。通过对顶层模块的仿真实验，表明逻辑电路实现的方向信息分选准确率和利用MATLAB仿真下的准确率接近。

目录

神经网络在辐射源方向信息分选中的应用

THE APPLICATION OF NEURAL NETWORK IN THE ORIENTATION INFORMATION OF EMITTERS SORTING

摘 要

Abstract

目 录

第1章 绪 论

1.1 课题背景及意义

1.2 信号分选的国内外发展现况

1.3 本文的主要研究内容

第2章 基于圆阵的辐射源方向信息提取

2.1 圆阵中的三元基线组数学模型

2.1.1 波达方向矢量及其复平面投影

2.1.2 方向矢量投影在复平面上的分布

2.2 多基线组解模糊

2.2.1 多基线组的投影在复平面上的关系

2.2.2 基于欧式距离的解模糊方法

2.3 影响方向信息提取的几个因素

2.4 本章小节

第3章 基于神经网络的辐射源方向信息分选

3.1 Fuzzy ART神经网络的结构与算法

3.2 改进的Fuzzy ART 神经网络算法

3.3 基于Fuzzy ART神经网络的分选仿真

3.3.1 改进前算法的实验仿真

3.3.2 改进后算法的实验仿真

3.3.3 改进后算法的性能分析

3.4 本章小节

第4章 神经网络分选算法的FPGA实现

4.1 Fuzzy ART神经网络的FPGA实现方案

4.1.1 Fuzzy ART算法的FPGA实现框图

4.1.2 Fuzzy ART算法的并行性分析

4.1.3 Fuzzy ART算法的字长效应分析

4.2 回忆阶段的FPGA实现

4.3 训练阶段的FPGA实现

4.4 总体时序控制与调试结果分析

4.5 本章小结

结 论

参考文献

攻读硕士学位期间发表的学术论文

哈尔滨工业大学学位论文原创性声明及使用授权说明

致 谢