基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别,存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先,提取集群通信信号的高阶累积量和瞬时特征统计量,并融合雷达航迹特征构建无人机集群特征矩阵。其次,提出一种改进的特征选择算法—二次筛选的近邻成分分析,对融合特征矩阵进行降维。最后,利用稀疏自编码器网络进行集群类型的识别。仿真结果表明,该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时,对5种集群类型识别的正确率可达88%。

卫星单-混信号识别研究

针对卫星通信中常用的调制信号和成对载波多址(PCMA)混叠信号的调制样式识别问题,提出了一种基于高阶累积量和信号瞬时特征统计量的识别算法。该算法对接收数据进行预处理,在此基础上提取高阶累积量和信号瞬时特征统计量构造4个特征参数,构造树形分类器进行调制识别。算法具有不需要知晓信号的定时等先验信息,对混合幅度比不敏感等特点。仿真结果表明,该算法在低信噪比下仍然能保持较高的识别性能。