涂望明，陈运涛，魏友国

（中国人民解放军武汉军械士官学校 雷达系,湖北 武汉 430075）

随着高新技术广泛用于军用雷达，使得雷达系统变得越来越复杂，但操作更加简单和智能化。现代战争中，雷达的作用也越来越重要，战场不仅要求雷达具有全天候的作战能力、优越的性能指标、极高的自动化程度及高可靠性，更重要的是要求雷达维修保障人员能够进行战场快速抢修，确保雷达装备的完好率。因此，对于雷达装备的智能化维修保障也提出了更高的要求。人工神经网络[1]存在训练样本大、隐层节点数目选取等问题；专家系统[2]由于依赖于雷达专家知识，运用某种规则进行推理，因此在自适应能力和学习能力方面存在局限性。本文针对当前基层部队无法对电路板进行维修的现状及难点，提出了基于小波去噪及小波包变换与最小二乘支持向量机相结合的雷达故障诊断方法，并基于此设计了某型雷达电路板故障诊断系统，旨在提高部队基层雷达装备自我维修保障能力，确保战时能够实现战场的快速抢修。应用结果表明，该方法提高了雷达故障诊断的有效性和优越性。

支持向量机[3]SVM（Support Vector Machine）是在统计学习理论 SLT（Statistical Learning Theory）的基础上发展起来的十分有效的分类方法，它基于最小的结构风险，解决了学习机的学习能力和泛化能力之间的矛盾。支持向量机通过核函数把原始数据空间映射到高维的特征空间，在特征空间最大化分类间隔构造最优分类超平面，其中分类面只需要少量的支持向量。……