基于多重同步压缩变换的雷达辐射源分选识别

发布时间：2021-12-18 16:31

　　针对低信噪比条件下雷达信号分选识别算法识别率低且复杂度高的问题,提出了一种基于多重同步压缩变换（MSST）的雷达辐射源分选识别算法。首先通过MSST得到信号的时频图像矩阵;然后,对时频图像进行预处理,提取出时频图像的灰度共生矩阵纹理特征和Zernike矩特征;同时提取了信号的功率谱参数特征和平方谱统计特征,组成特征参数向量;最后利用支持向量机分类器实现了对雷达信号的自动分选识别。仿真结果表明,在信噪比为-2 dB时,该算法对9种雷达信号（CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK）的整体平均识别成功率大于96.5%。 

【文章来源】：现代雷达. 2020,42(03)北大核心CSCD

【文章页数】：8 页

【部分图文】：

在信噪比为10 dB时9种雷达信号的MSST时频图像

图 2是二相编码(Barker码)信号在信噪比为2 dB时的时频图像预处理流程。经过上述图像处理以后,在最大程度地保留信号完整信息的同时基本去除了噪声和冗余信息(图中经过了反色处理)。2 特征提取方法

本文算法流程图

【参考文献】：
期刊论文
[1]基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别[J]. 郭立民,寇韵涵,陈涛,张明.  电子与信息学报. 2018(04)
[2]基于频谱复杂度的雷达信号调制方式识别[J]. 刘鲁涛,戴亮军,陈涛.  哈尔滨工程大学学报. 2018(06)
[3]基于CEEMDAN-ASVM的低截获概率雷达信号识别[J]. 呙鹏程,王星,田元荣.  现代雷达. 2018(03)
[4]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)
[5]基于奇异值熵和分形维数的雷达信号识别[J]. 曲志昱,毛校洁,侯长波.  系统工程与电子技术. 2018(02)
[6]雷达辐射源识别算法综述[J]. 周志文,黄高明,陈海洋,高俊.  电讯技术. 2017(08)
[7]基于时频图像纹理特征的雷达辐射源信号识别[J]. 孟凡杰,唐宏,王义哲,刘俊杰.  弹箭与制导学报. 2017(03)
[8]Parameterized time-frequency analysis to separate multi-radar signals[J]. Wenlong Lu,Junwei Xie,Heming Wang,Chuan Sheng.  Journal of Systems Engineering and Electronics. 2017(03)
[9]LPI radar signal detection based on radial integration of Choi-Williams time-frequency image[J]. Yongjian Liu,Peng Xiao,Hongchao Wu,Weihua Xiao.  Journal of Systems Engineering and Electronics. 2015(05)
[10]基于个体特征的雷达辐射源识别方法研究[J]. 廖宇鹏,周仕成,舒汀.  现代雷达. 2015(03)



本文编号：3542769