基于栈式降维与字典学习的辐射源调制识别

发布时间：2022-07-29 11:27

　　针对低信噪比环境下辐射源调制识别准确率和时效性不高问题,提出一种基于时频特征、栈式降维和字典学习的分类识别系统。对时域信号进行时频变换和稀疏域降噪,获取二维时频特征并降低噪声干扰;基于无监督学习的栈式降维网络提取低维非线性特征,进而降低特征冗余并提高后续处理时效性;通过多项判别约束和正则约束强化字典类间判别能力与分类时效性,并实现调制类型识别。仿真结果验证了该分类识别系统的有效性和可行性:当信噪比为-8 dB时,单载频信号、二相频率编码信号、四相频率编码信号、线性调频信号、二相编码信号、四相编码信号、Frank信号7类辐射源信号的整体平均识别率达到95.93%,具备较强的鲁棒性和时效性。 

【文章页数】：10 页

【文章目录】：
0 引言
1 识别系统及预处理
    1.1 调制识别系统及信号模型
    1.2 STFT及降噪预处理
2 基于降维学习与字典学习的识别算法
    2.1 联合表征模型
    2.2 基于栈式神经网络的降维算法
    2.3 多项约束的字典学习模型及优化
    2.4 基于SDR-DLC的调制识别
3 仿真实验
    3.1 实验数据
    3.2 参数设置及分析
    3.3 各阶段处理性能分析
        3.3.1 降噪处理对识别性能影响
        3.3.2 不同降维方式和参数对识别性能影响
    3.4 不同识别算法性能对比
        3.4.1 不同稀疏表示方式对比
        3.4.2 不同调制识别方式对比
        3.4.3 识别率与时效性综合对比
4 结论


【参考文献】：
期刊论文
[1]基于压缩协作表示的辐射源识别算法[J]. 周志文,黄高明,高俊.  航空学报. 2016(07)
[2]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：3666378