在輻射源個(gè)體識(shí)別(SEI)技術(shù)中,能量較高的主信號(hào)往往導(dǎo)致微弱個(gè)體特征穩(wěn)定性降低,進(jìn)而影響最終的個(gè)體識(shí)別效果。為了解決該問題并提升輻射源個(gè)體識(shí)別性能,該文提出基于同步壓縮小波變換的主信號(hào)抑制技術(shù)。首先,利用靜態(tài)小波變換完成對(duì)帶噪信號(hào)的去噪預(yù)處理;然后,利用同步壓縮小波變換完成對(duì)主信號(hào)的檢測(cè)和抑制,并以均方根誤差和皮爾遜相關(guān)系數(shù)為數(shù)值指標(biāo),驗(yàn)證算法的有效性;最后,在主信號(hào)抑制的基礎(chǔ)上,利用分形理論中盒維數(shù)完成對(duì)信號(hào)的特征提取,并利用單核支持向量機(jī)驗(yàn)證個(gè)體識(shí)別性能。實(shí)驗(yàn)結(jié)果表明,與主信號(hào)抑制之前相比,主信號(hào)抑制算法下個(gè)體識(shí)別率提升了10%左右,驗(yàn)證了同步壓縮小波變換的主信號(hào)抑制算法對(duì)輻射源個(gè)體識(shí)別率提升的有效性。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1SWT分解過程示意圖

檔慕嵌齲?峁??示，SWT的去噪效果明顯優(yōu)于其他兩種方法。因此本文選用SWT來進(jìn)行信號(hào)去噪預(yù)處理，先通過若干層小波變換將含有噪聲的信號(hào)映射轉(zhuǎn)化為一系列小波系數(shù)集，而后通過對(duì)小波系數(shù)的篩選，剔除或壓制由噪聲產(chǎn)生的小波系數(shù)，最后通過小波逆變換將處理后的小波系數(shù)重新轉(zhuǎn)化為去除噪聲后的1....

圖2LFM信號(hào)下SST主信號(hào)抑制效果仿真

ㄐ謂?蟹糯?觀察，結(jié)果如圖2(b)所示，此段內(nèi)的RMSE為0.0009，皮爾遜相關(guān)系數(shù)達(dá)到0.9994，可見信號(hào)中段的主信號(hào)抑制效果十分良好。通過加大頻偏使無意調(diào)制信號(hào)遠(yuǎn)離主信號(hào)時(shí)頻線，繼續(xù)進(jìn)行仿真，信號(hào)源為L(zhǎng)FM信號(hào)，更改相噪聲頻偏參數(shù)為[8MHz,9MHz,10MHz]，最終....

圖3SST主信號(hào)抑制仿真(擴(kuò)大相位噪聲頻1偏后)

存在很明顯的區(qū)別：輻射源1的1～12號(hào)特征都存在比較多的異常值，尤其是1～4號(hào)特征(RF-DNA)，異常表1加性相位噪聲參數(shù)輻射源個(gè)體與頻偏對(duì)應(yīng)的相位噪聲幅度(信相噪比(dB))f1=±2.75MHzf2=±2.80MHzf3=±3.10MHzE111.989712.781515....

圖4LFM信號(hào)源個(gè)體分形盒維數(shù)特征識(shí)別結(jié)果

號(hào)特征都存在比較多的異常值，尤其是1～4號(hào)特征(RF-DNA)，異常表1加性相位噪聲參數(shù)輻射源個(gè)體與頻偏對(duì)應(yīng)的相位噪聲幅度(信相噪比(dB))f1=±2.75MHzf2=±2.80MHzf3=±3.10MHzE111.989712.781515.7918E210.484511.6....

本文編號(hào)：3997159