針對(duì)目前敵我識(shí)別(IFF)輻射源信號(hào)的細(xì)微特征分析研究不足與個(gè)體識(shí)別效果差的問題,提出了基于時(shí)頻與快速熵的IFF輻射源個(gè)體識(shí)別方法。該方法利用集成固有時(shí)間尺度分解(EITD)將采樣信號(hào)自適應(yīng)分離為若干含有細(xì)微特征的信號(hào)分量,以分量求和的方式重構(gòu)信號(hào)并選用快速樣本熵表征輻射源信號(hào)無意調(diào)制特征并作為個(gè)體識(shí)別的依據(jù),采用支持向量機(jī)(SVM)進(jìn)行分類識(shí)別。仿真結(jié)果表明,相較于基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和基于固有時(shí)間尺度分解(ITD)的輻射源個(gè)體識(shí)別方法在識(shí)別精準(zhǔn)度與識(shí)別效率方面有較大提升。

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 EITD方法及樣本熵算法
    1.1 EITD方法
    1.2 樣本熵算法
2 基于時(shí)頻與快速熵的IFF輻射源個(gè)體識(shí)別方法
    2.1 IFF信號(hào)模式S模型
    2.2 總體結(jié)構(gòu)
    2.3 快速樣本熵算法
3 性能仿真分析
    3.1 IFF輻射源實(shí)驗(yàn)數(shù)據(jù)
    3.2 信號(hào)的分解與重構(gòu)
    3.3 分類識(shí)別性能分析
    3.4 特征提取與復(fù)雜度分析
4 結(jié)論



本文編號(hào)：3792563