針對低信噪比環(huán)境下輻射源調(diào)制識別準確率和時效性不高問題,提出一種基于時頻特征、棧式降維和字典學習的分類識別系統(tǒng)。對時域信號進行時頻變換和稀疏域降噪,獲取二維時頻特征并降低噪聲干擾;基于無監(jiān)督學習的棧式降維網(wǎng)絡提取低維非線性特征,進而降低特征冗余并提高后續(xù)處理時效性;通過多項判別約束和正則約束強化字典類間判別能力與分類時效性,并實現(xiàn)調(diào)制類型識別。仿真結(jié)果驗證了該分類識別系統(tǒng)的有效性和可行性:當信噪比為-8 dB時,單載頻信號、二相頻率編碼信號、四相頻率編碼信號、線性調(diào)頻信號、二相編碼信號、四相編碼信號、Frank信號7類輻射源信號的整體平均識別率達到95.93%,具備較強的魯棒性和時效性。 

【文章頁數(shù)】：10 頁

【文章目錄】：
0 引言
1 識別系統(tǒng)及預處理
    1.1 調(diào)制識別系統(tǒng)及信號模型
    1.2 STFT及降噪預處理
2 基于降維學習與字典學習的識別算法
    2.1 聯(lián)合表征模型
    2.2 基于棧式神經(jīng)網(wǎng)絡的降維算法
    2.3 多項約束的字典學習模型及優(yōu)化
    2.4 基于SDR-DLC的調(diào)制識別
3 仿真實驗
    3.1 實驗數(shù)據(jù)
    3.2 參數(shù)設置及分析
    3.3 各階段處理性能分析
        3.3.1 降噪處理對識別性能影響
        3.3.2 不同降維方式和參數(shù)對識別性能影響
    3.4 不同識別算法性能對比
        3.4.1 不同稀疏表示方式對比
        3.4.2 不同調(diào)制識別方式對比
        3.4.3 識別率與時效性綜合對比
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于壓縮協(xié)作表示的輻射源識別算法[J]. 周志文,黃高明,高俊.  航空學報. 2016(07)
[2]Radar Emitter Signal Recognition Based on Complexity Features[J]. 張葛祥,金煒東,胡來招.  Journal of Southwest Jiaotong University. 2004(02)



本文編號：3666378