1、“.....使各类中心在新的坐标系中各分量具有更好的可分性。根据进行变换的实质是从各类的中心提取分类信息，适用于类间距离远大于类内距离的明显的差别，同类信号在信噪比较低的情况下存在定的差异，但是差异不大，所以可以代表信号的特征进行信号聚类分选。类信号在不同信噪比下的平均值分别为和。变换在提取特征时根据展开的方差矩阵的含义不同，将原始特征映射大展开矩阵所代表的方差较大的方向上，因此，在提取雷到信号模糊函基于模糊函数的雷达信号脉内特征提取论文原稿中心与总体中心的平均距离，使各类中心在新的坐标系中各分量具有更好的可分性。根据进行变换的实质是从各类的中心提取分类信息，适用于类间距离远大于类内距离的情况。由式可知......”。

2、“.....因此，采用进行变换能有效的降低特征空间的维数。基于模糊果最好的特征维数。变换在提取特征时根据展开的方差矩阵的含义不同，将原始特征映射大展开矩阵所代表的方差较大的方向上，因此，在提取雷到信号模糊函数的特征时，先要将信号的模糊函数矩阵转化为个维的列向量，作为原始特征空间。定义信号的总类间离散矩阵和总离散度矩阵其中，为信号的种模糊函数，对其信息进行压缩处理，最终得到模糊函数的特征参数，作为雷达辐射源信号的分选依据。大量仿真实验证明，新方法可以在信噪比较低的情况下准确的提取雷达辐射源信号的脉内调制特征。模糊函数模糊函数是种时频分布函数，是研究雷达信号的主要数学工具，不仅能描述雷达信号的分辨特性和模糊度......”。

3、“.....随着数字信号处理技术和大规模集成电路的发展，数字中频接收机能够获取全部的雷达特征信息，利用脉内特征参数实现雷达信号分选成为新的研究方向。脉内特征是雷达信号最具特色的参数之，具有定的稳定性和可分选性。目前，研究人员通过小波包特征相像系数特征复杂度特征等脉内特征参数对信号进行征提取中图分类号文献标识码文章编号引言雷达辐射源信号分选是将截获的交错脉冲信号进行分组的过程，使得同组中的脉冲信号来自于同部雷达辐射源。传统的分选方法主要是对接收信号脉冲进行分析，利用脉冲特征参数及等实现脉冲序列的去交错，其中采用脉冲重复间隔分选是较，与具体的信号形式无关，但不同的信号形式可以得到不同形状的模糊函数。因此，可以利用这特性实现雷达辐射源信号分选......”。

4、“.....需进步简化为维特征图，以便于后续数据分析处理。选择沿轴作平行于平面的等间隔截面，取截面的最大双谱值作为特征向量，得到新的特征向量。该方法计算脉冲重复间隔分选是较为常用的分选算法。分选算法利用脉冲的信息，通过搜索直方图和变换实现信号分选。但随着现代复杂新体制雷达技术的迅速发展，电子对抗的日益激烈和电磁环境的信号密度日趋密集，雷达信号参数多变，信号交叠严重，导致了基于脉冲特征参数的分选算法难变换提取简化后模糊函数的特征，最终得到信号的特征参数，为雷达信号分选提供可靠地依据。由于模糊函数与信号的形式有关，并且对噪声的不敏感，变换能够消除各分量的相关性，因此能够有效的提取雷达信号的脉内特征，可分性强，抗干扰性能好......”。

5、“.....关键词雷达信基于模糊函数的雷达信号脉内特征提取论文原稿为常用的分选算法。分选算法利用脉冲的信息，通过搜索直方图和变换实现信号分选。但随着现代复杂新体制雷达技术的迅速发展，电子对抗的日益激烈和电磁环境的信号密度日趋密集，雷达信号参数多变，信号交叠严重，导致了基于脉冲特征参数的分选算法难以获得可靠地分选效果糊函数的特征，最终得到信号的特征参数，为雷达信号分选提供可靠地依据。由于模糊函数与信号的形式有关，并且对噪声的不敏感，变换能够消除各分量的相关性，因此能够有效的提取雷达信号的脉内特征，可分性强，抗干扰性能好，大量的仿真实验验证了此方法的可行性。关键词雷达信号模糊函数变换特算和分析，采用变换分析简化后的维模糊函数......”。

6、“.....最终得到模糊函数的特征参数，作为雷达辐射源信号的分选依据。大量仿真实验证明，新方法可以在信噪比较低的情况下准确的提取雷达辐射源信号的脉内调制特征。模糊函数模糊函数是种时频分布函数，是研究雷达信号的主要数学工具，不简单，便于将维的模糊函数简化为维，且能充分保留和体现不同信号的模糊函数特点。取截面数为，模糊函数特征图形如图所示。摘要脉内特征提取对于雷达辐射源信号分选具有重要的意义。本文采用模糊函数来处理雷达辐射源信号，获取信号的脉内特征并简化，然后采用变换提取简化后获得可靠地分选效果。由模糊函数的定义可知，模糊函数实质为信号匹配滤波的多普勒频移形式，即信号复包络的时间频率复合自相关函数，反映了信号的内部结构信息......”。

7、“.....可以利用这性质在数据处理中减少计算量。由模糊函数唯性和体积不变性可知模糊体积仅与信号的能量有关号模糊函数变换特征提取中图分类号文献标识码文章编号引言雷达辐射源信号分选是将截获的交错脉冲信号进行分组的过程，使得同组中的脉冲信号来自于同部雷达辐射源。传统的分选方法主要是对接收信号脉冲进行分析，利用脉冲特征参数及等实现脉冲序列的去交错，其中采用仅能描述雷达信号的分辨特性和模糊度，还可以描述有雷达信号决定的测量精度和杂波抑制特性。基于模糊函数的雷达信号脉内特征提取论文原稿。摘要脉内特征提取对于雷达辐射源信号分选具有重要的意义。本文采用模糊函数来处理雷达辐射源信号，获取信号的脉内特征并简化......”。

8、“.....取得了定的成效，但是大多数方法在低信噪比情况下的无法有效的进行特征分析。对此，为解决噪声对特征提取的干扰，本文基于模糊函数提出了种新的雷达信号脉内特征提取方法，通过求取雷达信号的模糊函数并简化，在保留信号特征的前提下进行降维处理，便于计情况。由式可知，的秩由于模糊函数作为原始特征的维数远大于信号类别数，因此，采用进行变换能有效的降低特征空间的维数。确定了展开矩阵后，选择矩阵前个最大的特征值对应的特征向量组成基向量组，对原始特征空间进行线性变换，得到维数为的特征空间。根据具体情况选择最优特征纬度，通过实验数的特征时，先要将信号的模糊函数矩阵转化为个维的列向量，作为原始特征空间......”。

9、“.....为信号的种类数，各类样本的数量，为各类信号的先验概率，为总模糊函数均值，为各类信号模糊函数均值。和分别是全体训练样本模糊函数集合和类均值模糊函数集合的方差矩阵，各数的雷达信号脉内特征提取论文原稿。在信噪比为的情况下，各类信号分别产生个样本信号和个待测信号。对样本信号采用上述特征提取方法，先求样本信号的模糊函数并简化，然后采用变化提取特征值。进行次独立重复试验求取平均值，得到的结果如图所示。从图中可以看出，不同信号的特征参数具有类数，各类样本的数量，为各类信号的先验概率，为总模糊函数均值，为各类信号模糊函数均值。和分别是全体训练样本模糊函数集合和类均值模糊函数集合的方差矩阵......”。