基于联合投影字典学习的辐射源调制识别

发布时间：2022-02-20 10:07

　　针对字典学习用于辐射源识别时原子表征能力有限和复杂环境适应性不足问题,提出一种基于联合投影字典学习的辐射源识别方法。利用时频变换提取辐射源信号初始特征,并通过降维、降噪实现特征预处理;采用核空间投影和降维投影学习方式优化字典原子结构,基于数据集训练获取联合投影字典;通过分类测试完成了有效性验证。仿真结果表明:该方法所提取字典原子具备较强表征能力,能够适应参数多变的复杂环境;较常规有监督字典学习方式更易区分多类型、高相似度信号,-6 dB时单载频信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、Frank信号、二相频率编码信号、四相频率编码信号、非线性调频-二相编码复合调制信号、二相频率编码-二相编码复合调制信号10类辐射源信号的整体平均识别率为94.4%. 

【文章来源】：兵工学报. 2020,41(07)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

基于JPDL的辐射源识别流程示意图

式中:i∈[1,p];j∈[1,q];mean(·)为向量均值运算。4)由于系数增强函数收敛较快，重复步骤2～步骤3两次即完成系数优化。降噪后二维时频信号更新为，⊙为Hadamard积。

图3所示为-5 d B时SCFM与NLFM信号预处理前后时频图对比，预处理较好地抑制了噪声干扰，但特征维度仍然较大，进一步降维难以有效保留结构特征和细节特征，甚至引入了额外特征损失。因此字典分类模型同时考虑降维学习和字典学习。1.2 JPDL理论

【参考文献】：
期刊论文
[1]基于Fisher判别字典学习的辐射源调制特征识别[J]. 吴笑天,王星,王志鹏,周一鹏,陈游.  兵工学报. 2018(03)
[2]一种深度学习的雷达辐射源识别算法[J]. 周志文,黄高明,高俊,满欣.  西安电子科技大学学报. 2017(03)
[3]侦干探通一体化现状与关键技术研究[J]. 马定坤,匡银,杨新权.  中国电子科学研究院学报. 2016(05)
[4]一种基于Spectrum原子的雷达辐射源信号识别方法[J]. 朱明,金炜东,胡来招.  电子与信息学报. 2009(01)
[5]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)



本文编号：3634819