基于栈式降维与字典学习的辐射源调制识别

针对低信噪比环境下辐射源调制识别准确率和时效性不高问题,提出一种基于时频特征、栈式降维和字典学习的分类识别系统。对时域信号进行时频变换和稀疏域降噪,获取二维时频特征并降低噪声干扰;基于无监督学习的栈式降维网络提取低维非线性特征,进而降低特征冗余并提高后续处理时效性;通过多项判别约束和正则约束强化字典类间判别能力与分类时效性,并实现调制类型识别。仿真结果验证了该分类识别系统的有效性和可行性：当信噪比为-8 dB时,单载频信号、二相频率编码信号、四相频率编码信号、线性调频信号、二相编码信号、四相编码信号、Frank信号7类辐射源信号的整体平均识别率达到95.93%,具备较强的鲁棒性和时效性。