針對(duì)低信噪比條件下雷達(dá)信號(hào)識(shí)別算法對(duì)噪聲敏感的問(wèn)題,提出了一種基于三維特征的雷達(dá)信號(hào)脈內(nèi)調(diào)制識(shí)別算法。該方法通過(guò)提取信號(hào)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(luò)分類器實(shí)現(xiàn)雷達(dá)信號(hào)的分類識(shí)別。仿真結(jié)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(shí)現(xiàn)對(duì)不同雷達(dá)信號(hào)進(jìn)行識(shí)別,證實(shí)了該方法的有效性。 

【文章來(lái)源】：電訊技術(shù). 2020,60(03)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

雷達(dá)信號(hào)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(shí)信號(hào)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(gè)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(shí)別打下了良好的基礎(chǔ)。圖3是使用BP神經(jīng)網(wǎng)絡(luò)對(duì)雷達(dá)信號(hào)進(jìn)行分類識(shí)別的效果圖，從圖中可以看出，隨著信噪比的增加，各信號(hào)的識(shí)別率逐漸提高;當(dāng)信噪比為0 d B時(shí)，所有信號(hào)的整體識(shí)別率在90!以上;在信噪比為8 dB時(shí)，所有信號(hào)的識(shí)別概率達(dá)到了100!，由此說(shuō)明本文算法提取的三維特征具備一定的抗噪能力，可實(shí)現(xiàn)對(duì)雷達(dá)信號(hào)的分類識(shí)別。

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

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



本文編號(hào)：3448717