本文選題：輻射源識(shí)別 + 小波熵��； 參考：《數(shù)據(jù)采集與處理》2014年04期

【摘要】：在對(duì)輻射源信號(hào)進(jìn)行小波分析的基礎(chǔ)上,提出一種基于小波熵的輻射源指紋特征提取方法。首先計(jì)算輻射源信號(hào)的功率譜,對(duì)功率譜進(jìn)行連續(xù)小波變換,提取不同尺度下小波系數(shù)的熵特征作為輻射源信號(hào)指紋特征。識(shí)別分類器采用概率神經(jīng)網(wǎng)絡(luò),對(duì)20部手持機(jī)進(jìn)行識(shí)別實(shí)驗(yàn),并與傳統(tǒng)矩形積分雙譜進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,該方法能夠把輻射源信號(hào)的時(shí)頻特性信息通過小波系數(shù)的熵特征映射到特征向量中,從而實(shí)現(xiàn)對(duì)輻射源個(gè)體的有效識(shí)別,而且該特征參數(shù)對(duì)噪聲干擾不敏感,在信噪比為20dB時(shí),系統(tǒng)識(shí)別率達(dá)到95%以上,在信噪比為5dB時(shí)系統(tǒng)識(shí)別率仍優(yōu)于80%,驗(yàn)證了所提方法的有效性。
[Abstract]:On the basis of wavelet analysis of emitter signal, a method of fingerprint feature extraction based on wavelet entropy is proposed. Firstly, the power spectrum of emitter signal is calculated, the power spectrum is transformed by continuous wavelet transform, and the entropy feature of wavelet coefficients is extracted as fingerprint feature of emitter signal at different scales. The recognition classifier uses probabilistic neural network to carry out recognition experiments on 20 handsets and compares it with the traditional rectangular integral bispectrum. The experimental results show that the time-frequency characteristic information of the emitter signal can be mapped to the eigenvector by the entropy feature of the wavelet coefficient, so that the individual of the emitter can be effectively identified, and the characteristic parameter is not sensitive to noise interference. When the SNR is 20 dB, the recognition rate of the system is over 95%, and the recognition rate is still better than 80 when the SNR is 5 dB. The validity of the proposed method is verified.
【作者單位】： 解放軍理工大學(xué)通信工程學(xué)院;
【分類號(hào)】：TN911.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 彭章平;彭小奇;伍更新;王一丁;;基于信息融合的指紋細(xì)節(jié)特征提取[J];自動(dòng)化技術(shù)與應(yīng)用;2007年04期

2 王德民;胡慶生;王慶麟;;指紋圖象的預(yù)處理方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);1986年03期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)碩士學(xué)位論文 前9條

1 趙海洋;指紋識(shí)別中數(shù)學(xué)方法概論[D];吉林大學(xué);2009年

2 楊菊;指紋圖像預(yù)處理及特征提取算法的研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2006年

3 潘雷;自動(dòng)指紋識(shí)別原型系統(tǒng)的研究與實(shí)現(xiàn)[D];北京交通大學(xué);2008年

4 伍更新;自動(dòng)指紋識(shí)別若干關(guān)鍵算法的研究[D];中南大學(xué);2007年

5 胡小璐;基于神經(jīng)網(wǎng)絡(luò)的指紋識(shí)別系統(tǒng)[D];電子科技大學(xué);2008年

6 張季;自動(dòng)指紋識(shí)別算法研究與系統(tǒng)設(shè)計(jì)[D];西南交通大學(xué);2007年

7 趙琪;自動(dòng)指紋識(shí)別中若干關(guān)鍵技術(shù)的研究[D];中南大學(xué);2009年

8 王霞英;基于MATLAB GUI指紋圖像特征提取與對(duì)比的研究[D];中北大學(xué);2013年

9 王健康;自動(dòng)指紋識(shí)別技術(shù)研究[D];中南大學(xué);2010年

，

本文編號(hào)：2042375