針對低信噪比條件下雷達信號識別算法對噪聲敏感的問題,提出了一種基于三維特征的雷達信號脈內(nèi)調(diào)制識別算法。該方法通過提取信號的差分近似熵、調(diào)和平均分形盒維數(shù)和信息維數(shù)特征組成三維特征向量,使用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡分類器實現(xiàn)雷達信號的分類識別。仿真結果表明,所提取的三維特征在信噪比為-4～10 dB變化范圍內(nèi)具有較好的類內(nèi)聚集度和類間分離度,可以實現(xiàn)對不同雷達信號進行識別,證實了該方法的有效性。 

【文章來源】：電訊技術. 2020,60(03)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

雷達信號調(diào)和平均盒維數(shù)隨信噪比變化曲線

圖2給出了信噪比為8 d B時信號的三維特征分布圖，從圖中可以看出，差分近似熵、調(diào)和平均盒維數(shù)和信息維數(shù)這三個特征具有較大的類間間距，有很好的可分性，即具有良好的類內(nèi)聚集度和類間分離度，這為后續(xù)的識別打下了良好的基礎。圖3是使用BP神經(jīng)網(wǎng)絡對雷達信號進行分類識別的效果圖，從圖中可以看出，隨著信噪比的增加，各信號的識別率逐漸提高;當信噪比為0 d B時，所有信號的整體識別率在90!以上;在信噪比為8 dB時，所有信號的識別概率達到了100!，由此說明本文算法提取的三維特征具備一定的抗噪能力，可實現(xiàn)對雷達信號的分類識別。

圖3是使用BP神經(jīng)網(wǎng)絡對雷達信號進行分類識別的效果圖，從圖中可以看出，隨著信噪比的增加，各信號的識別率逐漸提高;當信噪比為0 d B時，所有信號的整體識別率在90!以上;在信噪比為8 dB時，所有信號的識別概率達到了100!，由此說明本文算法提取的三維特征具備一定的抗噪能力，可實現(xiàn)對雷達信號的分類識別。圖4是用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的7類雷達信號識別效果圖，可以看出，在信噪比為2 d B時，所有信號的識別率在95!以上;在信噪比為6 d B時，所有信號的識別概率達到了100!。通過與圖3識別概率對比可以發(fā)現(xiàn)，遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡對各種雷達信號的識別率有所增加，在低信噪比情況下，也使得各類雷達信號的識別率得到提升，說明本文提出的算法是有效的。

【參考文獻】：
期刊論文
[1]雷達輻射源分類識別方法綜述[J]. 金秋,王宏艷,馬方方.  電訊技術. 2019(03)
[2]基于多層雙向LSTM的雷達信號脈內(nèi)調(diào)制識別[J]. 鄭渝,沈永健,周云生.  遙測遙控. 2019(01)
[3]基于多維特征的雷達信號脈內(nèi)調(diào)制識別技術[J]. 徐偉,余建宇,陳矛.  太赫茲科學與電子信息學報. 2018(01)
[4]時頻域綜合分析的雷達信號識別方法[J]. 康乃馨,何明浩,韓俊,王冰切.  現(xiàn)代防御技術. 2017(05)
[5]基于調(diào)和平均分形盒維數(shù)的無線通信信號調(diào)制識別算法[J]. 龍曉紅,張洪欣,張明明.  江蘇大學學報(自然科學版). 2017(03)
[6]利用脈沖TDOA的雷達信號分選方法[J]. 鄭惠文,黃建沖.  現(xiàn)代防御技術. 2017(02)
[7]一種基于改進遺傳算法的神經(jīng)網(wǎng)絡優(yōu)化算法研究[J]. 劉浩然,趙翠香,李軒,王艷霞,郭長江.  儀器儀表學報. 2016(07)
[8]基于隨機森林的雷達信號脈內(nèi)調(diào)制識別[J]. 劉歌,張國毅,于巖.  電信科學. 2016(05)
[9]調(diào)制信號的分形特征研究[J]. 呂鐵軍,郭雙冰,肖先賜.  中國科學E輯:技術科學. 2001(06)



本文編號：3448717