作者：栗大鹏; 梁伟高斯混合模型模式学习模式分类em算法
摘要：针对现有算法对战场新出现辐射源学习与分类能力较差的问题,提出了基于高斯混合模型(Gaussian Mixture Model,GMM)的辐射源信号模式识别算法,该算法对信号在特征空间中的分布模式进行在线学习,形成基于概率统计的分类模型,在分类中给出样本归属的似然概率。为了进一步提高算法的实时性,提出基于空间网格划分的快速EM(Expectation Maximization)方法,从而使GMM拟合的计算复杂度取决于网格划分的密度而不是样本数量,极大提高了算法效率。对电子侦察典型场景的仿真分析表明,算法能够对各类辐射源进行在线学习与分类,适应性较强,且计算效率较传统EM算法有较大提高。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
