基于粗集理论的雷达辐射源信号识别

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.