基于自适应邻居局部与全局一致性的雷达辐射源识别

为了实现在只有少量训练样本情况下的雷达辐射源识别,本文将局部与全局一致性(Learning with local and global consistency, LGC)算法引入到雷达辐射源识别领域,并针对传统的K近邻图局部与全局一致性算法对参数K较为敏感的问题进行改进,研究一种基于自适应邻居局部与全局一致性的雷达辐射源识别方法。该方法用自适应邻居图代替传统的K近邻图,根据每个样本数据所处位置的密度为每一个样本自适应地选取不同的K近邻个数,有效解决了传统方法参数敏感问题。仿真结果证明,改进后的算法能够在训练样本较少条件下对雷达工作状态进行有效识别,在消除了参数影响的同时还在一定程度上提