[發(fā)明專利]基于時頻分析的自適應(yīng)輻射源調(diào)制識別方法

有效

• 申請?zhí)枺?/td>: 201710562232.X
• 申請日: 2017-07-11
• 公開（公告）號: CN107301432B
• 公開（公告）日: 2020-09-25
• 發(fā)明（設(shè)計）人: 高敬鵬;孔維宇;郜麗鵬;吳冰;蔣伊琳;趙忠凱;孫恒;梁旭華
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供的是一種基于時頻分析的自適應(yīng)輻射源調(diào)制識別方法。一，對接收的輻射源信號使用時頻分布進行時頻分析，將輻射源信號從時域信號轉(zhuǎn)換為時間?頻率二維圖像；二，使用圖像處理技術(shù)降低計算復(fù)雜度和特征維數(shù)，經(jīng)過歸一化、二值化、圖像細(xì)化圖像預(yù)處理操作，增強信號特征信息在圖像中的比重；三，聯(lián)合二階四階矩估計方法，利用自適應(yīng)主成分分析算法，對預(yù)處理后的圖像進行圖像形狀特征提??；四，使用LIBSVM分類器識別輻射源信號的調(diào)制方式。本發(fā)明即能有效避免低信噪比信號特征缺失，又能避免高信噪比信號特征冗余的情況，同時不影響調(diào)制識別率。

技術(shù)領(lǐng)域

本發(fā)明涉及的是一種輻射源信號脈內(nèi)調(diào)制識別方法。

背景技術(shù)

輻射源信號脈內(nèi)調(diào)制識別是輻射源的重要特征之一，是對輻射源進行接收、分選和定位等非合作通信方式時的重要參數(shù)。電磁威脅環(huán)境的信號密度高達(dá)每秒120萬個脈沖以上，雷達(dá)工作頻率覆蓋范圍達(dá)到了0.1～20GHz，并正在向0.05～140GHz擴展，雷達(dá)信號波形在時頻等多個域中同時變化。輻射源信號的調(diào)制識別面臨著電磁環(huán)境復(fù)雜化、調(diào)制樣式多樣化、接收信噪比低等問題。

近年來關(guān)于雷達(dá)輻射源信號識別的大量研究成果表明，脈內(nèi)調(diào)制識別將有望在新型復(fù)雜體制雷達(dá)輻射源信號識別技術(shù)與裝備方面獲得重要突破?，F(xiàn)有的雷達(dá)輻射源信號脈內(nèi)調(diào)制識別方法主要有小波及小波包變換法、小波脊線法、相像系數(shù)法、經(jīng)驗?zāi)Ｊ椒纸夥?、相對無模糊相位重構(gòu)法、熵特征法、圍線積分雙譜法、復(fù)雜度特征法、包絡(luò)法、分形維數(shù)法、模糊函數(shù)主脊切面法、瞬時頻率派生特征法和模糊函數(shù)主脊切面特征法等。現(xiàn)有的方法都是對所有不同信噪比情況進行統(tǒng)一處理，為使不同調(diào)制信號之間差異明顯將采樣信號做某種變換，再使用其相應(yīng)的特征提取方法對變換后的信號進行特征提取，進而完成對信號的調(diào)制方式的識別。這些方法在選用信號脈內(nèi)特征時，都按照同一特征提取方式提取在不同噪聲情況的信號脈內(nèi)特征，沒有探討高信噪比和低信噪比時對采樣信號做相應(yīng)變換，噪聲能量對信號調(diào)制特征提取的影響。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種能夠解決提取信號調(diào)制特征時高信噪比特征冗余、低信噪比特征缺失問題的基于時頻分析的自適應(yīng)輻射源調(diào)制識別方法。

本發(fā)明的目的是這樣實現(xiàn)的：

首先，對接收的輻射源信號使用時頻分布進行時頻分析，將輻射源信號從時域信號轉(zhuǎn)換為時間-頻率二維圖像；

然后使用圖像處理技術(shù)降低計算復(fù)雜度和特征維數(shù)，經(jīng)過歸一化、二值化、圖像細(xì)化圖像預(yù)處理操作，增強信號特征信息在圖像中的比重；

隨后，聯(lián)合二階四階矩估計方法，利用自適應(yīng)主成分分析算法，對預(yù)處理后的圖像進行圖像形狀特征提?。?/p>

最后，使用LIBSVM分類器識別輻射源信號的調(diào)制方式。

本發(fā)明的優(yōu)點在于提出了一種運用主成分分析算法對雷達(dá)輻射源信號時頻分析圖像進行特征提取，通過自適應(yīng)主成分分析算法提取不同信噪比下關(guān)鍵特征，在信噪比為0dB時，基于自適應(yīng)PCA識別算法識別率達(dá)到98％以上，較之Hu矩和偽Zernike矩有12dB左右的提升，同時自適應(yīng)PCA處于PCA-15和PCA-20之間，表明自適應(yīng)PCA即能有效避免低信噪比信號特征缺失，又能避免高信噪比信號特征冗余的情況，同時不影響調(diào)制識別率。

附圖說明

圖1是本發(fā)明信號調(diào)制識別的流程圖。

圖2是本發(fā)明圖像中任一像素P的八鄰域圖。

圖3是本發(fā)明二階四階矩估計信噪比均值示意圖。

圖4是本發(fā)明自適應(yīng)PCA及不同PCA特征提取識別結(jié)果示意圖。

圖5是本發(fā)明自適應(yīng)PCA及不變矩特征提取識別結(jié)果示意圖。

具體實施方式

下面舉例對本發(fā)明做更詳細(xì)的描述。