基于高维重频特征的雷达辐射源识别方法

通过提取和利用雷达脉冲间隔高维特征,提出了一种基于决策树的雷达辐射源识别方法。将相邻脉冲间隔所构成的向量作为脉冲的高维特征,以增强不同雷达信号之间的可分性,再利用聚类方法提取脉冲列中的这种特征;然后将该特征构成特征向量,以表现特征的整体性;随后基于该特征向量构建决策树分类模型;最后将学习到的模型用于未知雷达脉冲列的识别。仿真实验验证了新方法在不同数据量和数据噪声场景下相对于传统方法的显著优势。

一种雷达辐射源智能个体识别的方法

针对使用传统的卷积神经网络及低信噪比环境下雷达辐射源智能个体识别研究中识别性能不够的问题,提出了一种基于短时傅里叶变换(STFT)和EfficientNet的雷达辐射源个体识别方法。首先对雷达信号进行短时傅里叶变换,提取时频特征,然后利用EfficientNet中多个MBconv模块对不同时频特征图像的叠加,挖掘出信号图像隐含的更加复杂和抽象的深层次时频特征,包括信号强度的分布、时频模式、周期性变化等,从而完成个体分类识别。EfficientNet可以同时改变网络深度、宽度、图像分辨率3个参数,解决了梯度消失、梯度爆炸等问题。实验结果表明,基于STFT和EfficientNet的雷达辐射源智能个体识别的方法,相比于传统卷积神经网络在低信噪比环境下具有更好的识别性能。

基于双路射频指纹卷积神经网络与特征融合的雷达辐射源个体识别

为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵;最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明,该方法具有较高的识别准确率,提取的“指纹特征”具备稳定性、鲁棒性。

面向辐射源个体识别的多分辨率卷积网络

雷达辐射源个体识别是一种通过提取雷达硬件指纹特征来区分同类型雷达中的某特定辐射源个体的技术。但由于模型参数量过多和计算复杂度高,限制了其在实时和近实时场景下的应用。面对此问题,提出了一种轻量化的多分辨率卷积网络,该网络丰富了信号不同频域分辨率特征,从而在不增加参数或计算量的情况下,提高了识别准确率。进行了包含10个导航雷达信号的辐射源个体识别数据集实验,结果表明,提出方法与标准卷积网络相比,在不增加参数量与计算量条件下,提高了约8%的识别准确率;与多尺度网络相比,提出方法仅采用3/4的参数量和计算量,即可达到与之相当的准确率。该方法适用于航天等实时和近实时应用场景。

雷达辐射源信号模糊函数主脊切面特征提取方法

提取和补充新的信号参数是解决复杂体制雷达辐射源信号分选难题的有效手段.基于模糊函数在表征信号内在结构上的独特作用,本文提出一种模糊函数主脊切面特征提取的新方法,构建出由主脊方向、切面重心和惯性半径组成的主脊切面特征向量.理论分析和实验结果表明,所提取的特征向量较好地反映了不同信号波形结构上的差异,具有类内聚敛性强和类间分离度大的优点,且具备较好的抗噪性能,证实了所提方法的可行性和有效性.

雷达辐射源信号脉内特征分析

脉内特征提取是新型雷达辐射源信号识别的关键问题.本文提出一种新的雷达辐射源信号脉内特征提取和识别方法.将雷达辐射源脉冲信号的分形维数作为识别脉内调制方式的分类特征,这些特征包含了雷达辐射源信号幅度、频率和相位等的变化和分布信息,反映了雷达辐射源信号脉内调制规律,理论分析和仿真实验结果都证明了这些特征具有对噪声不敏感的良好特性.通过10种典型雷达辐射源信号的特征提取和分类识别的实验结果表明,本文所提取的脉内特征类间距离大、类内距离小、正确识别率高,证实了本文方法的有效性.

基于双谱分析的雷达辐射源个体特征提取

针对复杂电磁环境中雷达辐射源特征参数的分选和识别问题,提出将辐射源信号的双谱作为雷达辐射源个体特征,并进一步提出将Walsh变换作为双谱特征优化算法。利用双谱中包含的信号细微信息和双谱受高斯噪声和杂波影响较小等特性,提高雷达辐射源个体特征参数的有效性;针对信号双谱中包含了很多与个体特征无关的冗余信息,不利于机器进行识别处理的缺点,利用Walsh变换对信号的双谱特征进行优化,剔除其中无效、冗余的信息,将变换后的结果作为雷达辐射源个体特征信息。仿真实验结果验证了算法的可行性。

基于Chirplet原子的雷达辐射源信号特征提取

特征提取是新体制雷达辐射源信号分选识别的关键技术.本文提出一种全新的雷达辐射源信号时频原子特征提取方法.在过完备多尺度Chirplet原子库基础上,采用匹配追踪(MP)方法对信号进行时频原子分解,并通过改进量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的本征Chirplet原子.实验结果表明使用更少量的Chirplet原子可以得到比Gabor原子分解更准确的特征信息,证实了本文方法的可行性和有效性.

一种基于时频原子特征的雷达辐射源信号识别方法

提出了一种全新的基于时频原子特征的雷达辐射源信号识别方法.训练阶段,在过完备时频原子库的基础上,以类区分度为度量,提取少数最能区分不同类别信号的时频原子作为一组固定的特征;识别阶段,以原子和信号的内积的绝对值作为分类器的输入特征,采用有监督模糊自适应共振网络进行辐射源的自动识别.对5类典型雷达辐射源信号的实验结果表明,该方法大大减小了识别过程中特征提取的计算量,输入特征具有类内聚集性强、类间区分度大的特点,在信噪比大于3 dB时可以获得高的识别正确率.

基于相像系数的雷达辐射源信号特征选择

提出一种基于相像系数(RC)的特征选择新方法,给出了RC的定义和基于RC的类别可分离性判据,描述了 基于RC和量子遗传算法的雷达辐射源信号特征选择算法,设计了神经网络分类器,并将该方法与基于距离准则的顺序前 进法(SFSDC)和吕铁军的方法(GADC)作了特征选择和分类识别的对比实验。结果表明,本文方法无需事先指定最优特征 子集的维数,能可靠有效地选择出最佳特征子集,不仅大大降低了特征向量的维数,简化了分类器的设计,而且获得了比 原始特征集、SFSDC和GADC更高的正确识别率和识别效率。

基于瞬时频率二次特征提取的辐射源信号分类

提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法.首先利用改进的瞬时自相关算法提取信号的瞬时频率特征.在此基础上,对所获得的瞬时频率进行级联归一化处理,提取分类特征向量.最后,采用层次决策方法实现自动分类.仿真结果表明,该方法提取的特征向量具有较好的类间分离性,整体信号分类方案在信噪比不低于6 dB时,可获得90%以上的分类准确率.

基于小波包变换和特征选择的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需要,提出一种基于小波包变换和特征选择的雷达辐射源信号识别新方法。先采用小波包变换进行特征提取,再采用基于量子遗传算法的相像系数特征选择法来挑选出小波包特征中分辨能力强的特征。仿真实验结果显示,该方法用较少的特征能获得较高的正确识别率,具有一定的参考价值。

基于模糊函数特征优化的雷达辐射源个体识别

对雷达辐射源信号进行模糊函数建模是一种有效的特征提取途径.通过对无意调制的雷达辐射源信号的模糊函数分析,提出了基于模糊函数子空间特征优化的个体识别方法.首先抽取模糊函数的"近零"频偏切片作为辐射源信号的主要特征,继而设计了切片串联策略构建了互补的特征子集对,从而分别利用典型相关分析和鉴别典型相关分析实现了切片特征的融合.理论分析和对实测数据的实验结果表明,所提算法不仅克服了现有的全平面核点排序法的计算问题,而且有效地融合了模糊函数各近零切片上的互补信息,在显著提高辐射源个体识别性能的同时,进一步消除了模糊函数特征的冗余性.

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出。该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别。在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性。

雷达信号的扩散特征及其在特定辐射源识别中的应用

本文利用Yoyos直观系统模型与随机微分几何,分析特定辐射源识别问题,为该问题建立了一种有意义的几何学描述.通过上述模型及分析,指出辐射源个体所辐射信号的瞬时参数中包含具有内蕴性质的指纹特征信息,且由产生信号的系统低维状态流形决定.扩散映射是一种新兴的流形学习算法,已有研究与实践证明该算法可以在提取高维数据蕴含的低维流形的同时较完整地保持采样点之间的几何性质.本文利用扩散映射的这一良好特性,结合所建立的直观模型,提取信号瞬时参数的扩散特征,用于特定辐射源识别,取得了较好的效果.最后通过外场实验,验证了上述模型与特征的正确性和有效性.

基于时频图像纹理特征的雷达辐射源信号识别

为了解决低信噪比条件下雷达辐射源信号识别率低的问题，提出了一种提取时频图像纹理特征的脉内调制方式识别方法。该算法首先对信号进行Choi—Williams变换，在对时频图进行预处理后提取其改进的局部二值模式纹理特征（LBPV），并用支持向量机进行分类判别。使用6种典型雷达信号进行仿真实验，仿真结果表明在-2 dB的低信噪比条件下该方法的平均识别率可达95％以上，局部二值模式算子在低信噪比下的识别能力得到大的提高。

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.

复杂体制雷达辐射源信号时频原子特征提取方法

针对复杂体制雷达辐射源信号调制类型识别问题,提出一种新的辐射源信号脉内时频原子特征提取方法(TFAD).该方法首先利用稀疏分解原理和改进差分进化算法将辐射源信号在Ga-bor和Chirplet时频原子库中进行分解,然后利用分解后的首原子能量和Gabor原子中心频率参数分别提取出2个相似比特征和1个频率方差特征作为辐射源信号脉内调制类型的分类特征,最后通过构造有向循环图支持向量机分类器实现雷达辐射源信号的分类识别.与计算复杂度至少为O(nlogn)的分形方法相比,TFAD方法只有O(n)的计算复杂度.采用不同信噪比和多种调制参数的5种辐射源信号进行大量仿真实验,结果表明TFAD方法可获得98.3%的平均正确识别率.

一种面向信号分类的匹配追踪新方法

匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解,从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时,各类原子集间存在交集,从而影响了原子的表示能力以及相应的分类效果。基于此,该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为:同类信号采用相同的原子集匹配,获取相同的类内表示结构;异类信号选择不同的原子集匹配,从而增强信号的类间差异。示例分析表明,使原子集间相互独立,能够减少异类信号间的共性因素,强化信号间的区分度,从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明,较之传统的MP系列方法,所提算法对噪声和遮挡具有更强的鲁棒性。

基于模糊函数代表性切片的运动雷达辐射源识别

针对运动雷达辐射源的信号特性,提出了一种基于模糊函数代表性切片特征优化的个体识别算法。首先抽取模糊函数的"近零"频偏切片作为辐射源的代表性特征子集,从而保留了运动雷达辐射源信号的稳定个性特征,然后利用直接判别比准则在代表性切片上进行核点排序,以选择最具有判别力的特征。对美国海军实验室仿真雷达数据和实测运动雷达辐射源数据的实验均表明,本文算法不仅有效地解决了现有的模糊函数全平面优化法的计算问题,而且显著提高了对运动雷达辐射源的个体识别性能。