Hilbert包络谱的熵特征在辐射源个体识别中的应用

针对基于时频统计参数的特征提取方法存在测量准确性要求高,特征维数大的问题,提出了一种基于Hilbert包络谱的熵特征。利用Hilbert法对信号提取包络谱后,求解包络谱的信息熵和指数熵特征,并联合包络方差识别辐射源个体。在仿真实验中对比功率谱熵特征识别正确率显著提高;对QAM、ASK以及频率成分适量的信号识别率在3 dB左右达到80%以上。该算法具有一定高效性和鲁棒性。此外应用特征于FM手持机信号,实测结果表明,算法具有一定实用性。

基于双谱三维图像纹理特征的辐射源个体识别

针对辐射源个体识别问题,提出一种基于双谱三维图像纹理特征的识别方法。通过计算双谱得到信号三维图,引入图像处理思路,利用灰度共生矩阵提取纹理特征,构成特征向量,进而采用支持向量机分类器完成个体识别。该方法避免单独采用双谱存在的特征维度高以及积分双谱分类信息部分丢失的问题。仿真结果表明,对信噪比为10 dB的FM调制信号,算法识别率可达98%;相比已有算法,所提方法在抗噪性、多目标、调制方式普适性等不同条件下均具有优势。实测结果表明,该方法可用于实际电台信号识别。

基于逐次剔除算法的多任务下分布式MIMO雷达有限阵元选取

针对分布式MIMO雷达在目标检测及跟踪多任务下的阵元选取问题,提出一种逐次剔除最劣阵元的算法。首先将表征目标检测和跟踪性能的检测概率和目标位置估计误差界进行去量纲化处理,并引入权重参数以兼顾不同任务性能;其次以最小的阵元集合为目标函数,建立优化模型;最后逐次剔除对系统性能贡献最小的阵元,得到最优阵元集合。仿真结果表明,所提算法能够提供与穷举算法接近的检测和跟踪性能,并有效降低了系统计算量。