雷达辐射源信号识别既是雷达侦察中的关键环节，又是多传感器信息融合中属性识别的重要内容。如何对雷达辐射源信号进行有效和快速的识别是决定现代战争胜负的重要因素之一。
　　《基于粗糙集理论的雷达辐射源信号识别》在深入研究和分析雷达辐射源信号识别特点、过程及雷达辐射源信号脉冲描述字的基础上，提出了基于粗糙集理论、粗糙集理论与其他理论相结合以及其他雷达辐射源信号智能识别方法。

　　《基于粗糙集理论的雷达辐射源信号识别》：
　　3）脉冲宽度与雷达用途
　　雷达发射脉冲的持续时间（通常以微秒计）称之为脉冲宽度，简称脉宽。脉宽越窄，则对稳定性要求越高。对于非脉冲压缩雷达，为提高接收机的灵敏度，希望脉冲宽度要大一些。又因为脉冲宽度代表着携带的能量大小，所以在雷达脉冲重复频率和脉冲功率不变的情况下，为了提高发射机平均功率来增加雷达作用距离，也希望增大脉冲宽度。但是为了减小杂波干扰强度，提高雷达抗杂波干扰能力，又希望脉冲宽度窄一些，同时窄脉冲宽度有利于提高雷达的距离分辨率。在实际使用当中，远程对空雷达的脉冲宽度要大一些，而近程雷达如舰船导航雷达、火控雷达、跟踪雷达的脉冲宽度要相对窄一些。
　　4）天线特征与雷达用途
　　雷达的天线特征包括天线的类型、天线扫描方式、扫描周期和极化方式等，其中天线扫描周期和扫描方式与雷达用途的关系更重要些，对空警戒雷达要求全空域发现目标，因此需要圆周扫描，而跟踪雷达需连续跟踪目标，通常都是圆锥扫描，引导雷达因为对数据率要求高，所以要求扫描周期短，也就是天线转速快，而对空雷达不需要太高的数据率，所以天线转速相对要慢一些。
　　3.雷达辐射源信号描述方式
　　雷达辐射源识别是雷达侦察系统重要内容和目的。通过对信号的特征提取和特性分析，设计相应的分类算法，得出雷达辐射源所属的类型、用途，从而为上级决策机构提供信息支持。
　　雷达侦察系统所能识别的雷达辐射源类型主要取决于侦察系统的功能和用途。通常，电子情报侦察系统可识别的雷达辐射源类型较多，以便广泛地掌握各种雷达的作战信息。
　　……

第1章 绪论
1.1 引言
1.2 雷达辐射源信号识别概述
1.2.1 雷达对抗与雷达侦察
1.2.2 雷达辐射源信号识别及其地位
1.3 国内外研究现状
1.4 基于粗糙集理论的雷达辐射源信号识别

第2章 雷达辐射源信号识别基础和模型
2.1 引言
2.2 雷达侦察
2.2.1 雷达侦察的基本内容和分类
2.2.2 雷达侦察的特点
2.2.3 雷达侦察的用途
2.3 雷达侦察中辐射源信号处理过程
2.3.1 信号截获和参数测量
2.3.2 信号分选
2.3.3 参数估计与分析
2.3.4 雷达辐射源识别及信号描述方式
2.4 常用的基于特征匹配的雷达辐射源信号识别功能模型
2.5 雷达辐射源信号特征提取与特征选择
2.6 雷达辐射源信号识别分类器设计分析
2.6.1 专家系统分类器
2.6.2 神经网络分类器
2.6.3 模糊综合评判分类器
2.6.4 脉内特征分析分类器
2.7 一种新的雷达辐射源信号识别功能模型
2.7.1 数据预处理
2.7.2 特征选择
2.7.3 基于粗糙集约简的分类器设计
2.7.4 无监督学习

第3章 粗糙集理论基础及数据处理方法
3.1 引言
3.2 粗糙集理论基础
3.2.1 与知识有关的定义
3.2.2 信息系统
3.2.3 上近似集、下近似集
3.2.4 不确定性度量
3.2.5 粒度计算
3.3 基于粗糙集的数据预处理
3.3.1 不完备数据处理
3.3.2 数据离散化
3.3.3 连续属性离散化新方法
3.4 基于粗糙集的约简
3.4.1 属性约简
3.4.2 非标准信息系统的约简
3.4.3 属性约简新方法
3.5 粗糙集理论与应用研究
3.5.1 粗糙集理论研究
3.5.2 粗糙集应用研究
3.6 粗糙集理论发展现状及趋势

第4章 基于粗糙集理论的单传感器雷达辐射源信号识别
4.1 引言
4.2 基于粗糙集的雷达辐射源信号识别
4.3 基于粗糙集与支持向量机的雷达辐射源信号识别
4.3.1 建立雷达辐射源信号的信息表和决策表
4.3.2 对雷达辐射源决策表的属性约简和规则提取
4.3.3 基于支持向量机的训练与测试
4.3.4 基于支持向量机的识别方法
4.3.5 具体实施方式
4.4 基于粗糙集与RBF的雷达辐射源信号识别
4.4.1 RBF神经网络学习算法
4.4.2 基于粗糙集与RBF神经网络的识别模型
4.4.3 仿真分析
4.5 基于粗糙集和灰关联的雷达辐射源信号识别
4.5.1 属性约简和属性权重的确定
4.5.2 基于灰关联的信号识别
4.5.3 基于粗糙集和灰关联的识别模型
4.6 基于最近邻方法的雷达辐射源信号识别
4.6.1 最近邻方法及决策规则
4.6.2 距离函数的选择
4.6.3 基于最近邻方法的雷达辐射源信号识别
4.6.4 仿真分析
4.7 基于云模型理论的雷达辐射源信号识别
4.7.1 云模型
4.7.2 基于云模型的雷达辐射源信号识别方法
4.7.3 基于逆云模型及属性相似度的雷达辐射源信号识别方法
4.7.4 仿真分析

第5章 基于粗糙集理论的多传感器融合雷达辐射源信号识别
5.1 引言
5.2 基于粗糙集与D-S证据理论的多传感器雷达辐射源信号识别
5.2.1 基于粗糙集理论的雷达辐射源信号识别
5.2.2 基于粗糙集和D-S证据理论的多传感器识别
5.2.3 仿真分析
5.3 基于粗糙集与灰关联理论的多传感器雷达辐射源信号识别
5.3.1 上、下近似集合和距离度量
5.3.2 基于粗糙集和灰关联理论多传感器融合识别
5.3.3 仿真分析

第6章 多种雷达辐射源信号识别方法性能比较分析
6.1 引言
6.2 基于粗糙集和灰关联理论相结合的识别方法性能
6.2.1 基于粗糙集理论的识别方法性能分析
6.2.2 基于灰关联理论的识别方法性能分析
6.2.3 基于粗糙集和灰关联理论相结合的识别性能
6.2.4 识别性能比较
6.2.5 粗糙集理论在雷达辐射源信号识别中应用的启示
6.3 支持向量机、神经网络等方法的识别性能比较
6.4 多传感器融合的识别方法性能比较

第7章 结论与展望
7.1 引言
7.2 研究内容及结论
7.2.1 本书研究内容
7.2.2 识别方法性能分析结论
7.3 问题与建议
7.4 研究方向展望
7.4.1 雷达辐射源信号识别系统
7.4.2 雷达辐射源平台识别
7.4.3 雷达辐射源信号数据库
7.4.4 连续波雷达辐射源信号识别
7.4.5 识别方法和分类方法的推广

缩略语英汉对照表

参考文献