基于VMD和特征融合的辐射源信号识别

发布时间：2021-05-16 00:27

　　在日趋复杂的电子对抗中,如何提高雷达辐射源信号（radar emitter signal,RES）识别率和抗噪性能是亟待解决的问题。为此提出了一种变分模态分解（variational mode decomposition,VMD）和特征融合相结合的RES识别方法。首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数（intrinsic mode function,IMF）;然后,对这3个IMF分量提取排列熵（permutation entropy,PE）和样本熵（sample entropy,SE）特征进行特征融合,构成六维特征向量;最后利用支持向量机对辐射源信号进行识别。利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比（signal to noise ratio,SNR）下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100%,具有较强的抗噪性能。 

【文章来源】：系统工程与电子技术. 2020,42(07)北大核心EICSCD

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于变分模态分解与流形学习的滚动轴承故障特征提取方法[J]. 戚晓利,叶绪丹,蔡江林,郑近德,潘紫微,张兴权.  振动与冲击. 2018(23)
[2]基于信息熵优化变分模态分解的滚动轴承故障特征提取[J]. 李华,伍星,刘韬,陈庆.  振动与冲击. 2018(23)
[3]基于改进VMD与包络导数能量算子的滚动轴承早期故障诊断[J]. 任学平,李攀,王朝阁,张超.  振动与冲击. 2018(15)
[4]多尺度排列熵及其在滚动轴承故障诊断中的应用[J]. 郑近德,程军圣,杨宇.  中国机械工程. 2013(19)
[5]基于围线积分双谱的雷达辐射源信号个体特征提取[J]. 陈韬伟,金炜东,李杰.  计算机工程与应用. 2013(08)
[6]基于复杂度特征的未知雷达辐射源信号分选[J]. 韩俊,何明浩,朱振波,王杰.  电子与信息学报. 2009(11)
[7]支持向量机在雷达辐射源信号识别中的应用[J]. 张葛祥,荣海娜,金炜东.  西南交通大学学报. 2006(01)
[8]Radar Emitter Signal Recognition Using Wavelet Packet Transform and Support Vector Machines[J]. 金炜东,张葛祥,胡来招.  Journal of Southwest Jiaotong University. 2006(01)
[9]基于熵特征的雷达辐射源信号识别[J]. 张葛祥,胡来招,金炜东.  电波科学学报. 2005(04)
[10]Radar Emitter Signal Recognition Based on Complexity Features[J]. 张葛祥,金炜东,胡来招.  Journal of Southwest Jiaotong University. 2004(02)

博士论文
[1]雷达辐射源信号智能识别方法研究[D]. 张葛祥.西南交通大学 2005



本文编号：3188611