通信辐射源指纹识别技术

通信辐射源个体识别是近来通信对抗领域的重要研究课题,不同于传统通信信号侦察中的调制模式识别研究,通信辐射源识别主要研究体现同类辐射源之间个体差异的信号指纹的分析提取技术。文中研究分析信号指纹的分析提取存在的技术难点和解决方案。对稳态通信信号的个体细微特征,如通信发射信号在载频和调制参数特征上的偏差,以及信号杂散输出成分...     

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。     

一种基于深度置信网络的通信辐射源个体识别方法

针对复杂电磁环境下通信辐射源个体识别问题，提出了一种小样本条件下基于深度置信网络的通信辐射源个体识别方法.首先分析通信辐射源信号频带内互调干扰信号的幅度和相位特性，建立基于互调干扰信号的通信辐射源个体特征；然后对辐射源信号进行预处理得到通信辐射源信号的矩形积分双谱，再采取对比散度的方法，利用高阶谱自底向上训练每个受限玻尔兹曼机，通过多次迭代得到合适的权重、隐藏层的偏差和可见层的偏差，从而提取出辐射信号的互调干扰信号特征；最后使用softmax分类器对训练模型进行微调，获得面向通信辐射源细微特征识别的深度学习网络.通过计算机的仿真得到了超过80%的识别率，进一步验证了该方法的有效性.     

一种稳健的通信辐射源个体识别方法

通信辐射源个体识别是目前通信对抗领域研究热点与难点问题,相对于雷达辐射源,通信辐射源信号弱、瞬时特征不明显导致个体识别更复杂、更困难。利用通信辐射源信号的长时谱统计特性,提取信号功率谱峰值特征和包络模板,构造通信辐射源个体特征向量,通过朴素贝叶斯分类算法与个体特征矢量相结合,在训练样本数目足够大的条件下可进行有效识别。测试实验表明,识别方法稳健有效,可在信噪比5 d B情况下实现93.7%的正确识别概率。     

通信辐射源个体特征提取技术

个体特征选择和提取是辐射源个体识别的关键,直接决定分类识别性能的好坏。由于在实际工程应用中,利用暂态特征进行通信辐射源个体识别难以实现,本文从稳态特征出发,对通信辐射源个体特征提取技术进行了综述,对特征的产生机理、在信号传播过程中所受到的污染以及在实际工程应用中的可行性做了归纳与分析。最后,指出了目前通信辐射源个体特征提取技术存在的问题,展望了个体识别技术未来可能的研究方面。     

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%。     

利用小波变换特征提取的通信辐射源个体识别方法

为解决非协作通信条件下对通信辐射源的个体识别问题,提出了一种基于小波变换特征提取的个体识别方法。该方法对非协同通信的接收信号进行小波变换,通过计算类间分离度筛选最优小波基提取特征向量,并根据特征分布选取特定小波基下的小波系数复杂度作为信噪比参考值辅助个体识别。仿真结果表明,在信噪比变化的环境中及通信辐射源个体差异较小的情况下有较好的识别效果,从而验证了该方法的有效性。      

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。     

基于EMD时频重构特征的航管应答器个体识别

通过分析航管应答信号样式及特点,提出了基于经验模式分解（EMD）时频重构特征的航管应答器个体识别算法。首先通过EMD将多分量信号分解为有限个固有模式函数（IMF）分量,继而利用IMF来重构辐射源信号的时频分布,最终获得稳定的时频图分解特征。利用实测航管应答信号的验证实验表明,该方法可以有效提取航管应答信号的细微特征,最终的识别性能显著优于使用脉冲包络特征或者功率谱特征的识别算法。     

通信辐射源的潜在细微特征提取方法

为了充分挖掘高维特征空间中辐射源的细微特征, 提出一种基于全局潜在低秩表示(Global Latent Low Rank Representation, GLat-LRR)的通信辐射源潜在细微特征提取方法.首先, 提取通信辐射源信号的瞬时频率, 通过傅里叶变换将信号投影到高维特征空间; 挖掘特征样本之间全局的低秩结构和维度之间全局的潜在低秩关系, 将特征样本集作为整体应用到潜在低秩表示模型中, 利用维度之间低秩关系得到特征样本集的潜在部分矩阵, 每个列向量即为每个通信辐射源信号的潜在细微特征向量.在实际采集的同厂家同型号FM电台数据集上, 该方法提取的潜在细微特征能够显著提高通信辐射源个体识别的性能.