共查询到16条相似文献,搜索用时 156 毫秒
1.
2.
一种雷达辐射源双谱二次特征提取方法 总被引:4,自引:0,他引:4
针对常规参数进行复杂体制雷达辐射源信号分选时存在的问题,对信号双谱图分别进行频率分区和奇异值分解,二次提取其双谱分布熵和奇异谱熵作为雷达辐射源特征参数.该方法利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,并有机地融合了双谱理论、奇异值分解和信息熵理论的各自优点,反映出信号的本质信息.采用模糊C均值聚类算法对不同信噪比条件下6种典型调制类型的雷达辐射源信号进行聚类分选实验.实验结果表明,该方法取得了较好的分选效果,克服了传统图像特征提取算法特征维数过高和聚集性差的缺点,验证了该方法的有效性. 相似文献
3.
雷达信号的相位可反映其脉内调制特征,而双谱在提取雷达信号特征时可以完整地保留相位信息。针对现有双谱特征提取方法存在平凡双谱、交叉项、特征维数过高等问题,提出一种基于双谱二次特征的雷达信号脉内特征提取算法。首先,将双谱转化为灰度图像,以灰度值表示双谱幅度;然后,利用图像处理技术提取双谱二次特征,提取出能够反映复杂雷达信号脉内特征的不同阶Zernike正交矩特征集;最后,将Zernike矩特征集与广泛应用于特征提取的Hu-不变矩特征集进行实验对比,结果表明,本文提出的算法具有更好的分类识别性能。 相似文献
4.
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。 相似文献
5.
针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。 相似文献
6.
7.
8.
9.
双谱用于毫米波雷达目标特征提取的研究 总被引:1,自引:0,他引:1
在毫米波雷达系统中,信噪比对作用距离的影响很大,本文利用双谱技术提取出目标信号双谱的局部相位信息作为特征矢量;该特征良好的抗噪性大大降低了目标识别对雷达系统信噪比的要求,从而提高了毫米波雷达的灵敏度及作用距离。 相似文献
10.
根据雷达辐射源信号的不同特性,提取其非线性相位方差、瞬时频率统计直方图、瞬时频率方差和相像系数等特征量,对单载频、线性调频、非线性调频、频率编码和相位编码等常用雷达辐射源信号调制形式进行多参数联合判决.仿真结果表明,该算法在低信噪比下,仍能够自动准确地识别雷达信号脉内特征. 相似文献
11.
12.
在无线网络安全和可能存在的射频设备管理应用范围内,针对多个发射同种射频信号的高度相似射频设备的分类识别问题,提出了一种信号双谱与改进的残差神经网络(Residual Neural Network,ResNet)的射频指纹识别方法.首先,将采集到的不同设备的信号做双谱变换得到双谱等高图并打上设备标签,再使用搭建好的改进残... 相似文献
13.
In this paper, we derive the asymptotic bias and variance of conventional bispectrum estimates of 2-D signals. Two methods have been selected for the estimation: the first one – the indirect method – is the Fourier Transform of the weighted third order moment, while the second one – the direct method – is the expectation of the Fourier component product. Most of the developments are known for 1-D signals and the first contribution of this paper is the rigorous extension of the results to 2-D signals. The calculation of the bias of the direct method is a totally original contribution. Nevertheless, we did all calculations (bias and variance) for both method in order to be able to compare the results. The second contribution of this paper consists of the comparison of the theoretical bispectrum estimate bias and variance with the measured bias and variance for two 2-D signals. The first studied signal is the output of a non-minimal phase linear system driven by a non-symmetric noise. The second signal is the output of a non-linear system with Gaussian input data. In order to assess the results, we performed the comparison for both methods with different sets of parameters. We show that the maximum bias coefficient is the one of the 1-D case multiplied by the dimensionality of the signal for both methods. We also show that the estimate variance coefficient is the 1-D case coefficient with a power equal to the signal dimensionality.Received October 21, 2002; Revised December 2003; Accepted March 25, 2004; First Online Version published in December 2004 相似文献
14.
15.