基于SVM的雷达故障预诊断技术研究

：本文将支持向量机(SVM)引入雷达故障预诊断，实现了雷达进入潜伏性故障时就提前诊断。很好地解决雷达故障诊断流程复杂、诊断时间长等问题。这是由于SVM 可以很好地解决小样本、非线性分类问题，而这正是潜伏性雷达故障的特点。本文最后通过实例充分说明了该算法在排除雷达潜伏性故障方面的能力。

随着新军事变革和军队信息化的发展，各种新体制雷达不断出现，其结构复杂、功能强大、数字化程度越来越高。这在大大增强我军信息化力量的同时， 也带来了问题：雷达故障诊断流程复杂、诊断时间长、维修困难、维修费用高；更迫切的一点是如何提高雷达在战争或演练中的可靠性[1]。本文探讨一种基于支持向量机(support vector machine)的雷达故障预诊断技术，其基于结构风险最小化原理，很好地解决雷达故障小样本、非线性的分类和回归问题[2]，最后通过 实例说明该技术对于潜伏性故障的诊断能力。

2. 雷达故障预诊断流程 本文将雷达故障预诊断分为系统状态预测和故障预处理两部分，其工作流程如图1 示，当系统状态特征参数数值超过设定阈值，则进入故障预诊断工作状态[3]。

由于雷达故障特征参数的样本数据是在发现系统处于潜伏性异常工作状态时才开始采集，因而获取的训练数据多数为有限的小样本数据[4]。此外，又因为特征参数数据通常处于非线性的变化状态，为此本文