针对目标检测后仍存在剩余杂波影响雷达跟踪和占用数据处理资源等问题,提出一种基于遗传算法(genetic algorithm,GA)优化反向传播(back propagation,BP)神经网络的雷达杂波抑制方法。通过分析雷达目标点迹和杂波点迹差异化的特征,选取多维特征作为输入自变量,设计BP神经网络分类器模型,对雷达目标点迹和杂波点迹进行分类识别,进而滤除杂波。在数据输入时,利用遗传算法对神经网络的输入自变量进行优化选择,降低输入数据维度,缩短建模时间。在神经网络训练时,利用遗传算法优化BP神经网络的初始权值和阈值,提高网络收敛速度和识别精度。通过雷达实测数据测试表明:遗传算法优化后的BP神经网络与传统BP神经网络相比,雷达杂波点迹识别率提高了1.5%,识别时间缩短了20.4%。

针对雷达装备保障性的影响因素繁多,且具有层次性的问题,根据雷达装备保障性的要求,构建了雷达装备保障性评估指标体系。采用综合调整法对初始综合值进行调整,以改进突变级数法中综合评估值整体接近于1的问题,从而更直观地反映评估值的大小与等级。设计了基于改进突变级数法的雷达装备保障性评估模型,通过实例表明该方法能科学、有效地评估雷达装备的保障性等级。