Resumen

El reconocimiento del estado de funcionamiento del radar es la base de las contramedidas electrónicas cognitivas. Para resolver el problema de la dificultad de la tecnología tradicional de reconocimiento supervisado para obtener información previa y procesar el flujo de datos de señales incrementales, se propone un método de reconocimiento incremental y no supervisado. Este método se basa en una red neuronal de retropropagación (BP) para construir un modelo de reconocimiento. En primer lugar, se utiliza el algoritmo de optimización de enjambre de partículas (PSO) para optimizar el parámetro de preferencia y el factor de amortiguación de la agrupación por propagación de afinidad (AP). A continuación, se utiliza el algoritmo PSO-AP para agrupar muestras sin etiquetar y obtener los mejores resultados iniciales de agrupación. Los resultados de la agrupación se introducen como muestras de entrenamiento en la red neuronal BP para entrenar el modelo de reconocimiento, que realiza el reconocimiento no supervisado. En segundo lugar, se utiliza el algoritmo de AP incremental (IAP) basado en la idea del vecino más próximo K (KNN) para dividir las muestras incrementales calculando la cercanía entre las muestras. Las muestras incrementales se añaden al modelo de reconocimiento BP como un nuevo estado conocido para completar la actualización del modelo, que realiza el reconocimiento incremental. Los experimentos de simulación con tres tipos de conjuntos de datos de radar muestran que la precisión de reconocimiento del modelo propuesto puede alcanzar más del 83%, lo que verifica la viabilidad y eficacia del método. Además, en comparación con el algoritmo AP y el algoritmo K-means, el método AP mejorado mejora en un 59,4%, 17,6% y 53,5% los índices de pureza, índice rand (RI) y medida F, respectivamente, y el tiempo de ejecución es al menos un 34,8% menor que el del algoritmo AP. El tiempo de procesamiento de los datos incrementales se reduce en gran medida, y se mejora la eficacia de la agrupación. Los resultados experimentales demuestran que este método puede identificar con rapidez y precisión el estado de funcionamiento del radar y desempeñar un papel importante a la hora de dar pleno juego a la adaptabilidad y oportunidad de las contramedidas electrónicas cognitivas.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:contramedidas electrónicas cognitivas, algoritmo ap, método, muestras incrementales, red neuronal, modelo de reconocimiento, mejores resultados iniciales de agrupación, flujo de datos de señales incrementales, tecnología tradicional de reconocimiento supervisado, modelo de reconocimiento bp
• Keywords:cognitive electronic countermeasures, ap algorithm, method, incremental samples, neural network, recognition model, best initial clustering results, incremental signal data stream, traditional supervised recognition technology, bp recognition model