一种改进的指纹细节特征提取算法

在指纹录入以及预处理中易引入噪声,因此在特征提取中,存在大量的伪特征,影响指纹的特征信息提取。本文提出了一种新的伪特征去除算法,即利用特征点为中心建立特征点检测窗口,根据一定的条件对伪特征点进行删除,另外本文提出了一种利用计算特征点到中心点的纹线数取代计算这两者之间的距离的特征提取算法,更加精确地记录了指纹的实际特征,为提高指纹识别的精度奠定了良好的基础。     

一种空中目标敌我识别逻辑模型

针对当前敌我识别中存在的误判问题,提出了一种基于逻辑思维的决策支持模型的解决方法,能较好地利用雷达初步得到的信息进行敌我识别综合判断。分析了敌我识别的主要依据,并建立了逻辑判断模型。该方法直观、准确度高,提高了敌我识别的可靠性。     

基于辐射源信号指纹的精确识别与认证技术研究

本文设计了基于辐射源信号指纹的精确识别与认证系统,通过处理辐射源射频信号,提取信号的无意调制信息开展目标属性精确识别,对辐射源硬件进行唯一性识别与认证并对伪装目标进行拒止接入。系统适配通信、电子多类辐射源射频信号,具备复杂电磁环境下的全流程信号侦收分选、目标精确识别、反伪装反欺骗认证、定位跟踪及自动化交互功能。     

基于脉冲信息的敌我识别信号快速分选识别研究

敌我识别系统在现代战争中占有极为重要的地位。分析了敌我识别系统的分类和工作原理,利用敌我识别信号的先验信息,引入时间序列相似性快速匹配原理,提出了一种基于敌我识别脉冲信息的分选识别方法。仿真结果表明,该算法分选速度快,环境适应能力强,能够较好解决复杂环境下敌我识别信号的快速分选识别问题。     

基于二维双树复小波变换的无人机个体识别

在无人机个体识别中,直接用双谱矩阵进行个体识别要计算复杂的二维模板,运算效率低。针对这一不足,提出了一种基于二维双树复小波变换的二次特征提取算法。该算法将双谱分解成多个方向子带图并计算其能量和能量偏差,将维度较高的双谱矩阵高效地转换为维数较低的图像纹理特征,再将其送入支持向量机实现无人机个体识别。采用实采的Phantom 3 Advanced与Mavic Pro图传信号对算法进行验证,结果表明,基于二维双树复小波变换比直接用双谱矩阵进行分类的运算效率高21倍,准确率相较于基于积分双谱、基于灰度共生矩阵、基于小波变换法有不同程度的提升,满足准确性和实时性的需求。     

基于FastICA算法的敌我识别信号分选方法研究

随着现代电磁环境的日益复杂,如何在复杂电磁环境下实现敌我识别信号的分选,是电子侦察领域一个亟待解决的问题。基于盲源分离的思想,采用FastICA算法对敌我识别信号进行分选,并进行了仿真分析。     

基于小波包变换的辐射源信号特征提取和识别

文中基于小波包变换方法,对MSK信号辐射源提取了J-散度特征和能量特征,结合支持向量机分类器完成辐射源的识别,仿真结果表明：两者识别率均达到90％以上,从而验证了基于小波包变换的辐射源识别的有效性。     

基于降维循环谱的特征提取与目标识别

在日益复杂的电磁环境中,如何提取有效特征是解决目标识别难题的一个关键。通过对目标信号的分析,发现它们虽呈现非平稳性,但却具有循环平稳性。因此,循环谱在分析此类信号方面具有优越的潜力,但是采用循环谱通常导致高维问题。针对这个问题,这里提出了降维循环谱的特征提取与目标识别方法,该方法以循环谱的相同频率点在不同循环频率下的相关性作为识别特征,并用主成分分析方法对该特征降维。实验结果表明,基于降维循环谱的方法具有很好的鲁棒性。     

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...     

基于双谱理论的雷达辐射源指纹特征提取

针对雷达辐射源指纹特征提取困难的问题,提出了基于双谱切片法和双谱围线积分法,提取辐射源指纹特征的方法。介绍了二相编码信号的无意调制,仿真了理想情况和含有相位噪声的二相编码信号的时域波形。阐述了含相位噪声雷达信号的双谱估计,仿真了含相位噪声的二相编码信号的双谱图及等高图。最后利用双谱切片法和双谱围线积分法,提取了辐射源的指纹特征,通过计算机仿真实验验证了该方法的可实施性。     

一种指纹图象的特征提取方法

本文提出一种指纹图象的特征提取方法，指纹中心点定义在纹线上曲率最大处，从而统一了中心点的定义，提取的细节特征量是特征点的性质、特征点到指纹中心点连线与指纹方向间夹角以及特征点与中心点间隔的纹线数，并进行了对比实验，效果良好。     

基于信号暂态稀疏表示的AIS辐射源个体识别方法

针对民用船舶自动报告系统通信辐射源个体识别问题,该文提出一种基于信号暂态稀疏表示的个体识别方法。该算法求解一个充分利用信号暂态样本类别信息且可保持样本稀疏表示结构的投影变换,来提取低维个体特征矢量。该算法通过最大化类间特征的重构误差和最小化类内特征的重构误差来构造目标函数求解投影变换,并在低维辨别子空间以最小稀疏表示重构误差准则来判定测试样本类别属性。对实际数据处理结果表明该文提出的新算法可有效识别不同辐射源个体;对辐射源暂态信号建模仿真结果,验证了该文算法的正确性和有效性,且平均正确识别率优于现有算法。      

一种脉间滑变雷达信号特征提取新方法

针对脉间滑变雷达信号特征提取技术难题,在分析脉间滑变雷达信号特性的基础上,提出了一种特征提取新方法。该方法通过提取产生脉间滑变雷达PRI的最小滑变间隔,经过二次分析处理,最终提取出能够表征脉间滑变雷达信号特性的衍生特征参数集。该方法克服了传统方法的缺陷,特别是当脉冲存在严重丢失的条件下,仍然能够有效提取出特征参数集。理论分析与计算机仿真结果均表明该方法切实可行。     

一种新的雷达辐射源信号识别效能评估方法

针对当前雷达辐射源信号识别效能评估研究中指标权重设置不合理、评估技术繁杂、评估者意愿体现不明显等问题,提出一种基于RE鄄I2 VIKOR的雷达辐射源信号识别效能评估方法。该方法基于相对熵对指标进行组合赋权,并对传统VIKOR方法进行改进,定义区间型群体效用值、个体遗憾值与利益比率的计算方法,引入心态指数函数作为综合评估结果的排序准则。仿真分析表明,赋权方法所得权重有效合理,评估者根据个人心态及意愿通过对群体效用值和个体遗憾值的比例关系及心态指数进行实时调整,使评估结果更加符合评估者的实际需求。     

A New Method for Sorting Unknown Radar Emitter Signal

Sorting rate of common method is not high and it is sensitive to the Signal noise ratio （SNR）, in order to solve these problems, bispectrum two dimensions characteristics complexity is applied to sort unknown complicated radar signal and a high sorting rate would be got. The bispectrum of received signal is extracted and it is predigested to two dimensions characteristic, the box dimension and information dimension are extracted from the two di- mensions characteristic and used as the sorting characteristics, and the last sorting is accomplished by using KFCM algorithm. For the bispectrum of different signal is distin- guishing and it is not sensitive to SNR, the box dimension and information dimension are divisible and steady, the advantage of this new method is validated by simulation results, and the lowest sorting rate is 90% at SNR equals to 10dB.     

基于时频分布图像的辐射源特征提取及识别

新体制雷达在现代军事中得到越来越多的应用,如何提取这些新体制雷达的细微特征并用这些特征进行识别也成为一个迫切的问题。用Choi-Williams分布(CWD)对信号进行时频变换,然后基于这些信号时频变换图进行奇异值分解,提取信号特征,设计了根据这些特征进行识别的流程图,结合计算机仿真对该识别方法进行了深入的分析,得出该方法具有一定的适用性的结论。     

基于新特征参数的雷达辐射源信号分选

雷达辐射源分选是电子战系统的关键技术之一。文章首先分析了基于脉冲重复间隔(PRI)的雷达辐射源分选算法的缺点,提出一种基于常规参数和相像系数(CW)相结合的新特征参数分选方法。通过计算机仿真验证了该方法,仿真结果表明新方法具有良好的分选效果。     

一种嵌入射频指纹的半监督辐射源识别方法

对于非协作通信场景下辐射源识别(SEI)问题,基于人工射频指纹特征(Radio Frequency Fingerprints,RFF)的识别方式准确率不高,基于深度学习的方法又对训练数据量有过高的要求。为了克服该问题,提出一种结合了人工射频指纹特征的基于贝叶斯卷积神经网络(CNN)的半监督SEI算法,将一个回归拟合信号双谱的直方图特征的CNN嵌入一个SEI的贝叶斯CNN中,并通过基于模糊度的半监督学习方法进一步降低算法对标签训练集的依赖性。在模拟数据集和真实数据集中的实验结果表明,在标签训练集规模为500～4 500条数据时,提出的方法比端到端的卷积神经网络识别方法的识别率提高了5%～20%。     

一种新的雷达辐射源信号识别方法研究

随着雷达技术的发展,雷达体制的多样性和雷达信号的复杂性对雷达辐射源信号识别技术提出了严峻的挑战。循环双谱抗噪性能强,且包含了丰富的信息,能用于识别雷达辐射源信号。但是其数据量庞大,而循环双谱对角切片法丢失了大部分信息。证明了循环双谱的对称性和周期性,提出了局部轴向积分循环双谱。该方法首先计算信号的循环双谱,然后在两个谱频率构成的平面上沿平行于谱频率轴的直线积分,最后用Fisher判决率（FDR）选择鉴别能力较强的轴向积分循环双谱。这样不但能有效地减小数据量,而且保留了大部分有用的循环双谱信息。仿真条件下,对比分析了局部轴向积分循环双谱与循环双谱对角切片的识别效果,结果表明新方法的识别率远远优于循环双谱对角切片法。