基于Earley算法的多功能雷达文法概率快速学习算法

　　针对基于随机上下文无关文法（ SCFG）建模的多功能雷达（MFR）概率学习问题，在传统Inside-Outside（10）算法和Viterbi-Score（ VS）算法的基础上，提出一种基于Earley算法的多功能雷达文法概率快速学习算法。该算法通过对截获的雷达数据进行预处理，构造可以反映派生过程的Earley剖析表，并且基于最大子树概率原则从剖析表中提取出最优剖析树，利用改进的10算法和改进的VS算法对文法概率进行学习，实现MFR参数估计，得到文法参数后，再利用Viterbi算法对MFR状态进行估计。理论分析和实验仿真表明，与10算法和VS算法相比，改进算法在保持估计精度的同时，可以有效降低计算复杂度和减少运行时间，验证了Earley算法能够提高文法概率的学习速度。