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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在通信對抗領(lǐng)域,電子支援系統(tǒng)的主要工作內(nèi)容包括對通信輻射源的電磁信號進(jìn)行偵察、截獲、識別及定位。隨著輻射源系統(tǒng)復(fù)雜程度的提高,以及新的調(diào)制方式的應(yīng)用,通信輻射源特征識別技術(shù)需要面對更加惡劣的電磁環(huán)境和更加復(fù)雜的研究對象。新的環(huán)境下,原本的通信輻射源的特征識別方法不僅需要更多的實驗樣本,而且存在識別效率低,識別性能下降等問題。針對這些問題,本文提出了一種應(yīng)用softmax回歸對通信輻射源信號的循環(huán)譜進(jìn)行多分類識別的方法。論文的研究內(nèi)容主要
2、包括:
1、針對通信輻射源特征提取困難、需要樣本數(shù)多的問題,從通信輻射源特征產(chǎn)生機(jī)理分析入手,尋找能夠作為通信輻射源特征識別的特征提取方法,分析了循環(huán)譜的物理本質(zhì)和計算方法,提出一種基于循環(huán)譜密度的通信信號特征提取方法。采用該方法對信號的循環(huán)譜自相關(guān)函數(shù)進(jìn)行傅里葉變換得到信號的循環(huán)譜,并對五種典型的調(diào)制信號進(jìn)行特征提取仿真,實驗證明利用循環(huán)譜算法可以在低信噪比下有效提取適合進(jìn)行分類識別的通信輻射源信號特征。
2、研究
3、了三種通信輻射源特征的分類識別方法,并對這三種分類器的性能進(jìn)行分析對比,在此基礎(chǔ)上,構(gòu)建了循環(huán)譜結(jié)合PCA與softmax級聯(lián)的多分類識別器進(jìn)行輻射源識別,其通過PCA算法對特征向量進(jìn)行降維,能進(jìn)一步縮短識別的時間。而后,通過MATLAB仿真實驗對多種調(diào)制信號組成的混合信號進(jìn)行分類識別,證明該方法在無需知道混合信號的先驗信息的情況下,可以正確識別出其中每個調(diào)制信號的調(diào)制方式。
3、通過HackRF one錄制手機(jī)信號,基于虛擬
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(hù)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(fù)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。
最新文檔
- 基于復(fù)雜度特征的通信輻射源個體識別.pdf
- 通信輻射源特征提取研究.pdf
- 基于雜散特征的輻射源個體識別研究.pdf
- 基于脈內(nèi)特征的雷達(dá)輻射源信號識別研究.pdf
- 通信輻射源特征提取技術(shù)研究.pdf
- 基于信號指紋的通信輻射源個體識別技術(shù)研究.pdf
- 雷達(dá)輻射源識別算法研究.pdf
- 基于遷移學(xué)習(xí)的雷達(dá)輻射源識別研究.pdf
- 雷達(dá)輻射源個體識別研究.pdf
- 基于脈內(nèi)特征分析的輻射源識別方法研究.pdf
- 通信輻射源個體識別與參數(shù)估計.pdf
- 雷達(dá)輻射源分類識別研究.pdf
- 基于細(xì)微特征提取的輻射源個體識別方法研究.pdf
- 通信輻射源模擬技術(shù)研究.pdf
- 雷達(dá)輻射源特征提取與個體識別.pdf
- 基于雙譜的輻射源個體識別技術(shù).pdf
- 基于句法模式識別的雷達(dá)輻射源識別研究.pdf
- 低頻輻射源細(xì)微特征分析.pdf
- 輻射源射頻特征對分選識別性能影響研究.pdf
- 雷達(dá)輻射源信號特征評價研究.pdf
評論
0/150
提交評論