基于多域融合的空间辐射源细微特征识别

辐射源识别主要关注辐射源的个体差异,通过信号处理手段,获取辐射源信号上与设备硬件相关的特征参数,从而掌握辐射源设备的型号、工作状态等信息。由于通信信号愈发复杂,单一域特征识别无法全面反映信号的细微差异,直接对信号处理结果进行识别存在大量数据冗余,导致识别效果不佳。为提高空间辐射源的识别效果,提出了一种基于多域特征融合的辐射源识别方法,通过对信号进行Hilbert-Huang变换和高阶谱分析,并提取变换结果的均值、方差、峰度、偏度和信息熵,将其拼接、融合形成空间辐射源信号的多域特征,利用SVM分类器进行分类,实现多域融合的辐射源细微特征识别。仿真结果表明,使用多域融合方法进行辐射源识别,在20 dB的信噪比下可达到95.44%的正确率,与传统基于边际谱信息熵的分类识别方法对比,正确率提升9.41%。对比基于HHT边际谱、边际谱信息熵、双谱投影、双谱矩形积分、四阶累积量切片谱的分类识别方法,本方法的识别效果均有提升。