文件名称：基于流行学习的雷达辐射源识别技术
文件大小：5.04MB
文件格式：CAJ
更新时间：2021-12-28 11:39:44
雷达辐射源 流行学习 神经网络
雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 分的关键环节，电子侦察 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 处于战争的先导位置，是保证电子胜利决条件。由当前日益复杂磁 脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对脉冲环境以及雷达 技术的飞速发展，对辐射 源的识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 识别长久以来一直是雷达对 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 抗领域中亟待发展的关键技术，准确并实时地识别出特定 雷达辐射源 雷达辐射源 雷达辐射源 雷达辐射源 雷达辐射源 的存在对于 获取敌方雷达信息情报 、有针对性地实施雷达干扰等具关键意义。 本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习本文由雷达辐射 源识别的基原理和流程出发，展开了于形学习源识别 技术 研究。首先 研究。首先 研究。首先 研究。首先 研究。首先 分析 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了辐射源电磁环境，对几种典型的脉内调制信号进行 了仿真 分析 ，研究了 研究了 研究了 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 雷达侦察系统接收处理信号参数的流程和 辐射源 辐射源 辐射源 识别中的常 用特征 参数， 参数， 参数， 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 并分析对比了传统的辐射源识别方法。 随后 ，针对 雷达 辐射源识别 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 中所面对的高维海量特征数据 处理难题 处理难题 处理难题 处理难题 ，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统，引入模式识别中用于数据降 维的传统维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 维方法，分析算的原理、适用条件优点和不足在此基础上将非线性流形 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 学习算法应用到辐射源特征参数的约简降维中。分析了典型流形思 想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同想和计算方法 ，仿真了针对典型流形中数据点的降维效果分析不同的性能、使用条件以及参数选择等。最后研究了基于 LLE 算法和神经网络分类器 算法和神经网络分类器 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 的雷达辐射源识别技术。 分析了 分析了 分析了 识别 流程 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 的三个关键环节，包括信号特征提 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 取、特征选择以及如何根据所提的数 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 据来设计选择分类器， 研究 了常用神经网 了常用神经网 了常用神经网 了常用神经网 了常用神经网 了常用神经网 络分类器的原理结构。在此基础上通过 LLE 算法对信号在不同噪比条件下提取 的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器的样本信息进行维数约简，并经过神网络分类 器。结果表明，利用 结果表明，利用 结果表明，利用 结果表明，利用 结果表明，利用 结果表明，利用 结果表明，利用 LLE LLE算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好算法降维后的 特征向量进行分类识别在一定噪声条件下仍然表现出较好识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源识 别正确率，并且在处理降维后的低特征向量时计算减少对于辐射源别的实时性有明显提高。