針對(duì)低信噪比條件下雷達(dá)信號(hào)分選識(shí)別算法識(shí)別率低且復(fù)雜度高的問題,提出了一種基于多重同步壓縮變換（MSST）的雷達(dá)輻射源分選識(shí)別算法。首先通過MSST得到信號(hào)的時(shí)頻圖像矩陣;然后,對(duì)時(shí)頻圖像進(jìn)行預(yù)處理,提取出時(shí)頻圖像的灰度共生矩陣紋理特征和Zernike矩特征;同時(shí)提取了信號(hào)的功率譜參數(shù)特征和平方譜統(tǒng)計(jì)特征,組成特征參數(shù)向量;最后利用支持向量機(jī)分類器實(shí)現(xiàn)了對(duì)雷達(dá)信號(hào)的自動(dòng)分選識(shí)別。仿真結(jié)果表明,在信噪比為-2 dB時(shí),該算法對(duì)9種雷達(dá)信號(hào)（CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK）的整體平均識(shí)別成功率大于96.5%。 

【文章來源】：現(xiàn)代雷達(dá). 2020,42(03)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

在信噪比為10 dB時(shí)9種雷達(dá)信號(hào)的MSST時(shí)頻圖像

圖 2是二相編碼(Barker碼)信號(hào)在信噪比為2 dB時(shí)的時(shí)頻圖像預(yù)處理流程。經(jīng)過上述圖像處理以后,在最大程度地保留信號(hào)完整信息的同時(shí)基本去除了噪聲和冗余信息(圖中經(jīng)過了反色處理)。2 特征提取方法

本文算法流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于棧式稀疏自編碼器的低信噪比下低截獲概率雷達(dá)信號(hào)調(diào)制類型識(shí)別[J]. 郭立民,寇韻涵,陳濤,張明.  電子與信息學(xué)報(bào). 2018(04)
[2]基于頻譜復(fù)雜度的雷達(dá)信號(hào)調(diào)制方式識(shí)別[J]. 劉魯濤,戴亮軍,陳濤.  哈爾濱工程大學(xué)學(xué)報(bào). 2018(06)
[3]基于CEEMDAN-ASVM的低截獲概率雷達(dá)信號(hào)識(shí)別[J]. 咼鵬程,王星,田元榮.  現(xiàn)代雷達(dá). 2018(03)
[4]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)
[5]基于奇異值熵和分形維數(shù)的雷達(dá)信號(hào)識(shí)別[J]. 曲志昱,毛校潔,侯長(zhǎng)波.  系統(tǒng)工程與電子技術(shù). 2018(02)
[6]雷達(dá)輻射源識(shí)別算法綜述[J]. 周志文,黃高明,陳海洋,高俊.  電訊技術(shù). 2017(08)
[7]基于時(shí)頻圖像紋理特征的雷達(dá)輻射源信號(hào)識(shí)別[J]. 孟凡杰,唐宏,王義哲,劉俊杰.  彈箭與制導(dǎo)學(xué)報(bào). 2017(03)
[8]Parameterized time-frequency analysis to separate multi-radar signals[J]. Wenlong Lu,Junwei Xie,Heming Wang,Chuan Sheng.  Journal of Systems Engineering and Electronics. 2017(03)
[9]LPI radar signal detection based on radial integration of Choi-Williams time-frequency image[J]. Yongjian Liu,Peng Xiao,Hongchao Wu,Weihua Xiao.  Journal of Systems Engineering and Electronics. 2015(05)
[10]基于個(gè)體特征的雷達(dá)輻射源識(shí)別方法研究[J]. 廖宇鵬,周仕成,舒汀.  現(xiàn)代雷達(dá). 2015(03)



本文編號(hào)：3542769