基于回归分析理论的辐射源个体识别技术

针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题,该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段,进行研究分析,采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响,对变量进行相关性分析,并对其中显著相关的变量进行回归拟合,得到其相关回归函数。然后利用硬件与特征的相关性,改进传统支持向量机(SVM)分类器,构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证,结果表明,同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。     

基于改进TSVM的通信辐射源个体识别

为了解决通信辐射源个体中标签获取难问题,引入半监督机器学习理论,提出了一种基于预测置信度进行迭代的半监督学习算法(Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-TSVM)。该方法在TSVM算法的基础上,充分利用无标签样本,根据预测结果置信度进行迭代,能够大幅度减少分类器的运算量。计算机仿真表明,在有标签样本数目占总样本2%的情况下,CP-TSVM较TSVM算法在保证识别准确率的同时,模型训练时间缩短近60 s。     

雷达辐射源个体识别综述

雷达辐射源个体识别通过提取个体特征来辨识雷达个体,是电子对抗领域的热点研究方向。近年来随着深度学习的飞速发展及其在各领域的成功应用,基于深度学习的雷达辐射源个体识别成为焦点。虽然研究多年,成果丰富,但目前尚缺少关于该方向全面、细致的综述。基于此,该文从雷达辐射源个体特征机理分析、基于手工特征的识别方法、基于深度学习的识别方法以及数据集构建4个方面着手,对雷达辐射源个体识别开展系统的综述工作,并对当前现状和未来方向进行总结与展望,旨在推动雷达辐射源个体识别理论和方法研究的新发展。     

基于集成固有时间尺度分解的IFF辐射源个体识别算法

为研究敌我识别(IFF)辐射源信号的细微特征,针对目前在复杂噪声环境中IFF辐射源个体识别研究不足的问题,该文提出一种基于集成固有时间尺度分解的IFF辐射源个体识别算法。该算法应用集成固有时间尺度分解(EITD)将采样信号自适应划分为若干有实际意义的信号分量并求取IFF辐射源信号在时频域的能量分布图。通过对时频能量谱的纹理分析,以图像的纹理特征表征辐射源信号的无意调制特征,送入支持向量机(SVM)中进行分类识别。实验表明,所提算法相较于基于希尔伯特-黄变换(HHT)、基于固有时间尺度分解(ITD)的辐射源个体识别方法在识别准确度上有较大提升。

     

辐射源个体特征识别技术及在短波电台识别上的应用

辐射源个体特征识别是频谱管理、通信对抗领域的一项重要技术,文章将通信辐射源个体特征识别作为一个模式识别问题处理,分析了常用于识别的瞬态信号特征和稳态信号特征的特点,以稳态信号的杂散输出特征为基础,设计了一种工程中可用的SVM分类器算法完成短波电台个体识别。     

混合Neural-Gas网络和Sammon映射的数据可视化算法

与SOFM,最大熵聚类,K均值聚类相比,"Neural-Gas"网络算法具有收敛速度快、代价误差小等优点.但"Neural-Gas"网络用于非均匀分布的线性或非线性数据集进行降维或可视化时,输出空间上固定有序的神经元表现出极不理想的距离信息.为此,该文根据归一化概率自组织特征映射的基本思想,提出混合"Neural-Gas"网络和Sammon映射的新方法来解决此问题,通过"Neural-Gas"网络算法进行特征聚类以降低计算复杂度,通过Sammon映射保持输入空间和输出空间上神经元间的距离相似性.仿真结果表明,该混合算法对合成数据集或现实数据集的可视化能够取得较理想的效果,从而验证了该混合算法的可行性和有效性.     

基于双谱的通信辐射源个体识别

对同类通信辐射源个体识别方法进行了深入的研究,采用选择双谱作为个体识别的基本特征向量,并融合了对分类具有显著贡献的辐射源特征参数,采用径向基神经网络分类器实现了对通信辐射源信号的个体分类识别。实验结果表明,该方法在较低信噪比条件下较好地解决了同类辐射源的个体识别问题,识别正确率优于90%。     

基于脉冲包络前沿高阶矩特征的辐射源个体识别

雷达脉冲包络分析是雷达辐射源识别的常规方法,但常规的包络识别方法很难适应实际需要,无法有效地对雷达辐射源信号进行分类识别.提出了以脉冲包络前沿波形的高阶矩特征作为辐射源的"指纹"特征,进行雷达辐射源个体识别的思路.利用脉冲包络前沿波形的高阶矩特征受高斯噪声影响较小的特点,提高了辐射源个体特征参数的有效性.理论分析和实验结果表明利用雷达脉冲包络前沿波形的高阶矩特征可以较好地进行辐射源个体识别.     

基于谱特征与数据结合的辐射源个体识别技术

针对基于传统特征的个体识别算法难以满足实际需求,与仅靠数据驱动的神经网络识别方法所需数据量较大、针对性较差的问题,设计了一种基于谱特征与数据相结合的通信辐射源个体识别算法。文中方法结合先验知识对原始采样信号进行双谱和功率谱的谱特征提取,并将提取的特征与原始数据进行融合,得到更符合网络模式且具有信号意义的数据集。设计并行可分离卷积结构,得到针对辐射源个体识别的网络。通过实际采集信号对网络进行训练和测试以验证其有效性,实验得到采用文中方法的平均分类识别准确率为97%。     

基于IQ图特征的小样本通信辐射源个体识别

在真实的战场环境中,我们很难采集到足够的带标签的敌方辐射源数据,因此,小样本学习变得越来越重要。通过不断地发展,CNN神经网络有着很强的处理图片分类的能力。在小样本条件下,为了充分利用发展最为成熟的CNN神经网络,本文提出了将一维IQ数据转化成二维的IQ图特征的方法,来进行针对小样本的分类任务。由于数据的IQ图具有重复性与个体的差异性,通过实验,这种方法在识别不同个体超短波电台上有着99.5%的正确率,对比双谱特征,IQ图特征具有更强的识别能力。这种特征变换方法简单,并且CNN网络处理图片分类的技术成熟,具有很强的实用性。      

基于脉问指纹特征的雷达个体识别可行性分析

针对基于脉间指纹特征进行雷达个体识别的可行性问题,对影响因素进行了全面分析,通过PRI高精度测量、晶振钟频提取和PRI稳定度分析三个方面对其进行了分析验证,最终证明了可以利用脉冲信号的脉间指纹特征进行雷达个体识别,为今后该方向的研究与发展奠定了一定的理论基础。     

一种改进的自组织特征映射图像压缩算法

为改善矢量量化的码书性能,提高神经网络的学习效率,在分析Kohonen自组织特征映射算法的基础上,提出一种改进的自组织特征映射算法,并应用到图像的矢量量化中。新算法引入失真敏感参数,并对网络学习参数进行了优化。实验表明,在压缩比为51.2时,新算法恢复图像的峰峰信噪比达到34.66dB,较Kononen自组织特征映射算法提高3.57dB。     

基于无意调制特征的雷达个体识别

雷达的无意调制特性是用来区分同一型号的雷达个体的重要特征。针对调频雷达,研究其频域的无意调制特性,最后用K-N-N神经网络对2个同型雷达个体进行分类。试验发现该特征能够对同型两部雷达进行准确分类。     

改进的阈值函数在心音信号消噪中的研究

为弥补传统阈值函数存在的不足、提高心音信号的消噪精度,提出了3种改进的阈值函数。试验中,首先对传统的软、硬阈值函数及3种改进的阚值函数进行去噪性能对比分析;其次,采用基于小波分析的频带局部能量特征提取法对消噪后的心音信号进行特征提取．并运用模糊Sammon映射算法将六维特征数据映射成二维以显示其散布特性。结果表明,改进的阈值函数二能更有效地消除噪声,其消噪后的心音信号特征向量较全面地反映了心音信号的特征。     

基于多脉冲的雷达个体识别技术

雷达个体识别是雷达对抗侦察的最终目的,雷达信号的频率稳定度可以作为雷达个体识别的依据,但这一特征测量起来比较困难。重复频率稳定度是一种比较便于测量的雷达个体特征,在雷达个体识别中有较广阔的应用前景。雷达脉冲包络特征是区分雷达个体的有效手段,但具体的特征提取方法还需要深入研究。     

基于单脉冲的雷达个体识别技术研究

基于单脉冲的雷达个体识别技术首先要对雷达信号进行归一化处理,归一化后的数据通过投影变换映射为一幅图像,然后提取这幅图像的不变矩作为可供识别的特征量。在识别过程中采用了最小距离分类器．利用现有数据所做的实验表明．这种方法在一定信噪比条件下有较高的识别正确率。通过和匹配滤波法的对比实验表明．基于单脉冲的个体识别效果要明显优于单纯利用归一化数据进行匹配滤波的效果。     

基于包络指纹特征的辐射源分类识别技术

辐射源识别技术是当前电子侦察的重要研究方向。文中利用雷达模拟器的脉冲包络指纹特征,构建特征数据库,提出一种新的指纹特征向量匹配识别方法。该方法根据自适应评分机制,衡量不同特征向量之间的相似性,实现对辐射源脉冲的分类和识别处理。利用同型号雷达模拟器的外场实录数据,验证了该识别方法的有效性,分类性能优于传统的M-距离法。文中还定量分析了辐射源分类正确率与信噪比的关系,结果表明,分类正确率与SNR成正相关,当信噪比高于20 dB时,分类正确率超过95%。     

辐射源个体特征提取技术综述

特征提取是辐射源个体识别技术的关键,也是实际应用中必须解决的首要问题.从接收信号的暂态和稳态两个方面对现有的个体特征提取技术进行了综述,指出各种特征提取技术的适用范围及关键问题.同时结合个体识别接收设备需要,对所提取的特征参量在工程应用中的测量条件及局限性进行了归纳分析与对比.最后,指出了目前辐射源个体特征提取技术存在...