基于三维特征的雷达信号脉内调制识别
发布时间:2021-10-21 09:34
针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。
【文章来源】:电讯技术. 2020,60(03)北大核心
【文章页数】:5 页
【部分图文】:
雷达信号调和平均盒维数随信噪比变化曲线
图2给出了信噪比为8 d B时信号的三维特征分布图,从图中可以看出,差分近似熵、调和平均盒维数和信息维数这三个特征具有较大的类间间距,有很好的可分性,即具有良好的类内聚集度和类间分离度,这为后续的识别打下了良好的基础。图3是使用BP神经网络对雷达信号进行分类识别的效果图,从图中可以看出,随着信噪比的增加,各信号的识别率逐渐提高;当信噪比为0 d B时,所有信号的整体识别率在90!以上;在信噪比为8 dB时,所有信号的识别概率达到了100!,由此说明本文算法提取的三维特征具备一定的抗噪能力,可实现对雷达信号的分类识别。
图3是使用BP神经网络对雷达信号进行分类识别的效果图,从图中可以看出,随着信噪比的增加,各信号的识别率逐渐提高;当信噪比为0 d B时,所有信号的整体识别率在90!以上;在信噪比为8 dB时,所有信号的识别概率达到了100!,由此说明本文算法提取的三维特征具备一定的抗噪能力,可实现对雷达信号的分类识别。图4是用遗传算法优化BP神经网络的7类雷达信号识别效果图,可以看出,在信噪比为2 d B时,所有信号的识别率在95!以上;在信噪比为6 d B时,所有信号的识别概率达到了100!。通过与图3识别概率对比可以发现,遗传算法优化后的BP神经网络对各种雷达信号的识别率有所增加,在低信噪比情况下,也使得各类雷达信号的识别率得到提升,说明本文提出的算法是有效的。
【参考文献】:
期刊论文
[1]雷达辐射源分类识别方法综述[J]. 金秋,王宏艳,马方方. 电讯技术. 2019(03)
[2]基于多层双向LSTM的雷达信号脉内调制识别[J]. 郑渝,沈永健,周云生. 遥测遥控. 2019(01)
[3]基于多维特征的雷达信号脉内调制识别技术[J]. 徐伟,余建宇,陈矛. 太赫兹科学与电子信息学报. 2018(01)
[4]时频域综合分析的雷达信号识别方法[J]. 康乃馨,何明浩,韩俊,王冰切. 现代防御技术. 2017(05)
[5]基于调和平均分形盒维数的无线通信信号调制识别算法[J]. 龙晓红,张洪欣,张明明. 江苏大学学报(自然科学版). 2017(03)
[6]利用脉冲TDOA的雷达信号分选方法[J]. 郑惠文,黄建冲. 现代防御技术. 2017(02)
[7]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
[8]基于随机森林的雷达信号脉内调制识别[J]. 刘歌,张国毅,于岩. 电信科学. 2016(05)
[9]调制信号的分形特征研究[J]. 吕铁军,郭双冰,肖先赐. 中国科学E辑:技术科学. 2001(06)
本文编号:3448717
【文章来源】:电讯技术. 2020,60(03)北大核心
【文章页数】:5 页
【部分图文】:
雷达信号调和平均盒维数随信噪比变化曲线
图2给出了信噪比为8 d B时信号的三维特征分布图,从图中可以看出,差分近似熵、调和平均盒维数和信息维数这三个特征具有较大的类间间距,有很好的可分性,即具有良好的类内聚集度和类间分离度,这为后续的识别打下了良好的基础。图3是使用BP神经网络对雷达信号进行分类识别的效果图,从图中可以看出,随着信噪比的增加,各信号的识别率逐渐提高;当信噪比为0 d B时,所有信号的整体识别率在90!以上;在信噪比为8 dB时,所有信号的识别概率达到了100!,由此说明本文算法提取的三维特征具备一定的抗噪能力,可实现对雷达信号的分类识别。
图3是使用BP神经网络对雷达信号进行分类识别的效果图,从图中可以看出,随着信噪比的增加,各信号的识别率逐渐提高;当信噪比为0 d B时,所有信号的整体识别率在90!以上;在信噪比为8 dB时,所有信号的识别概率达到了100!,由此说明本文算法提取的三维特征具备一定的抗噪能力,可实现对雷达信号的分类识别。图4是用遗传算法优化BP神经网络的7类雷达信号识别效果图,可以看出,在信噪比为2 d B时,所有信号的识别率在95!以上;在信噪比为6 d B时,所有信号的识别概率达到了100!。通过与图3识别概率对比可以发现,遗传算法优化后的BP神经网络对各种雷达信号的识别率有所增加,在低信噪比情况下,也使得各类雷达信号的识别率得到提升,说明本文提出的算法是有效的。
【参考文献】:
期刊论文
[1]雷达辐射源分类识别方法综述[J]. 金秋,王宏艳,马方方. 电讯技术. 2019(03)
[2]基于多层双向LSTM的雷达信号脉内调制识别[J]. 郑渝,沈永健,周云生. 遥测遥控. 2019(01)
[3]基于多维特征的雷达信号脉内调制识别技术[J]. 徐伟,余建宇,陈矛. 太赫兹科学与电子信息学报. 2018(01)
[4]时频域综合分析的雷达信号识别方法[J]. 康乃馨,何明浩,韩俊,王冰切. 现代防御技术. 2017(05)
[5]基于调和平均分形盒维数的无线通信信号调制识别算法[J]. 龙晓红,张洪欣,张明明. 江苏大学学报(自然科学版). 2017(03)
[6]利用脉冲TDOA的雷达信号分选方法[J]. 郑惠文,黄建冲. 现代防御技术. 2017(02)
[7]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
[8]基于随机森林的雷达信号脉内调制识别[J]. 刘歌,张国毅,于岩. 电信科学. 2016(05)
[9]调制信号的分形特征研究[J]. 吕铁军,郭双冰,肖先赐. 中国科学E辑:技术科学. 2001(06)
本文编号:3448717
本文链接:https://www.wllwen.com/kejilunwen/wltx/3448717.html