基于雜散特征的輻射源個體識別研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、作為通信對抗領(lǐng)域的關(guān)鍵技術(shù),輻射源個體識別研究近年在國內(nèi)外引起廣泛關(guān)注。隨著通信輻射源設(shè)備的組成日益復(fù)雜化,如何截獲并分析出通信信號中所反映出的輻射源個體特征信息并將其有效分類,成為個體識別研究的熱點內(nèi)容。國內(nèi)現(xiàn)有的研究成果中,輻射源個體特征的識別主要針對不同類別的設(shè)備進行研究,且特征分類需要依賴于充足的樣本數(shù)量,而國外的研究成果集中于暫態(tài)信號的研究。在總結(jié)國內(nèi)外相關(guān)研究的基礎(chǔ)上,本文以同類輻射源個體的雜散特征作為研究對象,對輻射源雜散

2、特征的提取方法和分類識別進行了研究。
  特征提取方面,本文對輻射源的穩(wěn)態(tài)信號的邊際譜雜散特征進行了提取。利用基于經(jīng)驗?zāi)B(tài)分解(EMD)和小波包重構(gòu)的邊際譜特征提取方法,得到邊際譜的能量重心和信息熵。但在原有特征提取方法中,EMD方法存在模態(tài)混疊問題,且小波包重構(gòu)標(biāo)準(zhǔn)需憑借經(jīng)驗選擇。針對以上問題,提出一種改進方案,首先對EMD的模態(tài)混疊成因進行分析,并改進小波包重構(gòu)的標(biāo)準(zhǔn)和EMD的輸入,在求取信號邊際譜時,采用疊加時頻譜的方法,降

3、低了模態(tài)混疊的影響,改善了雜散特征分布的聚集性差及摻雜程度嚴(yán)重的問題,特征分離程度得到一定的提高。
  分類識別方面,設(shè)置了不同數(shù)量樣本條件下的兩組分類實驗,利用K近鄰算法、神經(jīng)網(wǎng)絡(luò)分類器及支撐向量機(SVM)分類器對不同調(diào)制樣式下的通信信號進行了分類性能比較,并從中選擇出性能最優(yōu)的SVM分類器對特征提取方法前后的分類效果進行比較,仿真結(jié)果表明,改進的特征提取方法使輻射源信號特征的分類性能得到一定程度的提高,在不同調(diào)制類型下具有較

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論