辐射源个体识别中的目标匹配和分类识别算法研究

发布时间：2020-10-16 08:35

　　 辐射源个体识别是当今电子战中的热点研究课题,其主要依据各辐射源在发射信号上表征出来的指纹差异,来识别各辐射源,从而实现对目标辐射源的追踪、监视、干扰和打击。辐射源个体识别技术,必将提高我军电子对抗装备的战术性能,改变我军军事装备相对落后的局面,为我军打赢高技术条件下的战争奠定坚实的科技基础。辐射源个体识别课题主要包含三大研究板块,即辐射源指纹特征提取,辐射源个体识别中的目标匹配,辐射源个体识别中的分类识别。本文对辐射源个体识别技术中的三个板块均作了细致的研究。在辐射源指纹特征提取研究中,提出了瞬时特征和统计特征等两种有效的指纹特征。瞬时特征增强了指纹特征的泛化性;统计特征在继承瞬时特征泛化性的同时,降低了瞬时特征维数。在辐射源个体识别中的目标匹配中,提出了动态时间规整测度算法,基于指纹特征离散度的广义欧氏距离测度算法,以及模板分段寻优算法。动态时间规整算法解决了弯折现象给指纹特征距离测度带来的负面影响;基于指纹特征离散度的广义欧氏距离综合考虑了指纹特征的几何分布情况;模板分段寻优算法建设性地解决了模板寻优的高耗时问题。在辐射源个体识别中的分类识别中,提出了一种基于启发式算法的支持向量机参数寻优的方案。该方案凭借启发式算法的优势,降低了支持向量机参数寻优的时间复杂度。本文在各板块提出的研究方案,均通过了实测数据的检验,保证了以上所有算法的真实性和有效性。
【学位单位】：国防科学技术大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：E11
【部分图文】：

第一章 绪论1.1 辐射源个体识别的研究背景及意义21 世纪以来，军事装备信息化的大趋势，表明电子战已成为现代战争式。纵观近来的利比亚战争，叙利亚战争，电子战的地位日益凸显，电成为未来战争胜败的决定性因素。随着电子战的愈演愈烈，辐射源设备有了很大的提高，辐射源体制也向向发展，主要体现在其频域、时域、空域、调制域和极化域的日益复杂的五参数法，即依靠到达方向、载频、到达时间、脉宽、脉幅等五个基分选、识别和定位辐射源已不适应日益严峻的电子战争。电子战系统除了利用五参数法外，还必须具备辐射源个体识别技术，才益艰巨的挑战。辐射源个体识别主要依据各辐射源在发射信号上表征出差异，来识别各辐射源，从而实现对目标辐射源的追踪、监视、干扰和打在整个电子战过程中扮演了举足轻重的作用。

偏度为零如图偏度：度刻画了数零，更加集图 2.1 所示。国防数据相较于其集中于平均值。防科学技术大11aaNN 11ffNN 其平均值的值右侧时偏大学研究生院 11aaNiaNia ia i 11ffNifNiff i 的对称程度。偏度为负，更院硕士学位论 3322aa 3322i ff 数据关于其更加集中于论文其平均值左于平均值左侧(左右对称时偏侧时偏度为(2.9)2.10)偏度为正，

征的方差、偏度、峰度和瞬时特征熵，并以该八个统计参数组成统计参数向量；其次利用主成分分析，同时依据所要求达到的累计贡献率指标，将统计参数向量线性变换为由少数几个主成分构成的统计特征。统计特征生成流程如图2.4所示：图 2.4 统计特征生成流程图其中主成分的贡献率和累计贡献率如表 2.1 所示，可以看出前三个主成分的累计贡献率为 92.18%，说明前三个主成分能够充分表征瞬时特征的大部分信息，故针对此实测数据，本文依序选用前三个主成分构成相应的统计特征。表 2.1 主成分的贡献率和累计贡献率主成分1y2y3y4y5y6y7y8y贡献率 59.76% 19.29% 13.13% 5.68% 1.64% 0.34% 0.13% 0.03%累计贡献率59.76% 79.05% 92.18% 97.86% 99.50% 99.84% 99.97% 100%通过以上步骤即可生成统计特征，六部雷达辐射源的统计特征如图2.5所示。可以看出，在三维特征空间中，同类统计特征近似团状聚拢在一起，不同类统计特征间的间隔也是明显的。统计特征这种类内离散度小，类间离散度大的几何分布形状，充分说明了统计特征的可行性。同时为了说明各主成分的作用大小
【参考文献】

相关期刊论文 前4条

1 王海华;沈晓峰;;基于对称Holder系数的雷达辐射源信号特征分析[J];空间电子技术;2010年03期

2 王海华;沈晓峰;;一种新的雷达辐射源信号脉内特征提取方法[J];系统工程与电子技术;2009年04期

3 张葛祥;金炜东;胡来招;;基于相像系数的雷达辐射源信号特征选择[J];信号处理;2005年06期

4 黄建冲;张宁;徐新华;孙亚伟;;基于Holder系数的雷达辐射源个体识别技术[J];电子对抗;2011年05期

相关博士学位论文 前6条

1 韩韬;脉冲信号辐射源个体识别技术研究[D];国防科学技术大学;2013年

2 蒋鹏;雷达信号细微特征分析与识别[D];哈尔滨工程大学;2012年

3 张嘉伟;心电图形态特征的识别及其在分类中的作用研究[D];华东师范大学;2011年

4 许丹;辐射源指纹机理及识别方法研究[D];国防科学技术大学;2008年

5 黄玉春;基于极致学习机的通信信号辐射源个体识别技术研究[D];华中科技大学;2007年

6 张国柱;雷达辐射源识别技术研究[D];国防科学技术大学;2005年

相关硕士学位论文 前10条

1 李亚硕;指纹质量评估及匹配的研究[D];山东大学;2013年

2 何明哲;语音片段检索算法的研究与应用[D];华南理工大学;2012年

3 姚文杨;雷达信号脉内分析与识别[D];哈尔滨工程大学;2012年

4 田昊;雷达辐射源特征选择和在线学习算法研究[D];西安电子科技大学;2011年

5 史亚;雷达辐射源个体识别中的分类器设计与子空间学习[D];西安电子科技大学;2011年

6 王炜;雷达辐射源分类识别研究[D];西安电子科技大学;2010年

7 陈昌云;基于脉内特征分析的辐射源识别方法研究[D];西安电子科技大学;2010年

8 李序;雷达辐射源信号支持向量聚类分析[D];西南交通大学;2009年

9 朱洁;一种新的曲线相似性判别方法研究[D];武汉理工大学;2008年

10 唐孝;支持向量机（SVM）及其在心电图（ECG）分类识别中的应用[D];四川师范大学;2007年

本文编号：2843026