复杂体制雷达辐射源信号时频原子特征提取方法

程吉祥 1; 张葛祥 2; 唐承志 2

您当前的位置：

首页 >

文章列表页 >

复杂体制雷达辐射源信号时频原子特征提取方法

更新时间：2025-07-09

- 复杂体制雷达辐射源信号时频原子特征提取方法
- A Novel Approach of Feature Extraction for Advanced Radar Emitter Signals Using Time-Frequency Atom Decomposition
- 西安交通大学学报 2010年44卷第4期页码：108-113
- 作者机构：
  
  西南交通大学信息科学与技术学院,成都,610031
- 作者简介：
- 基金信息：
  
  : 2009-08-13. 作者简介: 程吉祥(1988-),男,硕士生;张葛祥(联系人),男,教授,博士生导师. 基金项目: 国家自然科学基金资助项目(60702026);四川省青年科技基金资助项目(09ZQ026-040)
- DOI：
  中图分类号： TN957
- 网络首发：2010-04-10，
  
  纸质出版：2010
- 稿件说明：
移动端阅览
程吉祥 1, 张葛祥 2, 唐承志 2. 复杂体制雷达辐射源信号时频原子特征提取方法[J]. 西安交通大学学报, 2010,44(4):108-113.

A Novel Approach of Feature Extraction for Advanced Radar Emitter Signals Using Time-Frequency Atom Decomposition[J]. 2010, 44(4): 108-113.
程吉祥 1, 张葛祥 2, 唐承志 2. 复杂体制雷达辐射源信号时频原子特征提取方法[J]. 西安交通大学学报, 2010,44(4):108-113. DOI：

A Novel Approach of Feature Extraction for Advanced Radar Emitter Signals Using Time-Frequency Atom Decomposition[J]. 2010, 44(4): 108-113. DOI：

摘要

针对复杂体制雷达辐射源信号调制类型识别问题

提出一种新的辐射源信号脉内时频原子特征提取方法(TFAD).该方法首先利用稀疏分解原理和改进差分进化算法将辐射源信号在Gabor和Chirplet时频原子库中进行分解

然后利用分解后的首原子能量和Gabor原子中心频率参数分别提取出2个相似比特征和1个频率方差特征作为辐射源信号脉内调制类型的分类特征

最后通过构造有向循环图支持向量机分类器实现雷达辐射源信号的分类识别.与计算复杂度至少为O(nlogn)的分形方法相比

TFAD方法只有O(n)的计算复杂度.采用不同信噪比和多种调制参数的5种辐射源信号进行大量仿真实验

结果表明TFAD方法可获得98.3%的平均正确识别率.

Abstract

A novel approach

called TFAD

is proposed to extract time-frequency atom features to effectively recognize the intra-pulse modulation types of advanced radar emitter signals. The method decomposes emitter signals based on matching pursuit in Gabor and Chirplet atom dictionaries using a modified differential evolution algorithm. Then both the energy of the first decomposed atoms and the frequency parameters of the decomposed Gabor atoms are utilized to extract two correlation ratio features and a frequency variance feature. These features are used as the classification features to recognize different intra-pulse modulations of emitter signals by constructing a directed acyclic graph support vector machine classifier. The computational complexity of TFAD is O(n)

while the computational complexity of the fractal approach is O(nlogn). Simulation results conducted on various signal-to-noise ratios and a wide range of modulation parameters of five typical radar emitter signals show that TFAD achieves an average correct recognition rate of 98.3%.

关键词

Keywords

references

韩俊, 何明浩, 李胜喜, 等. 现代雷达辐射源识别技术研究[J]. 航天电子对抗, 2008, 24(1): 43-45.

HAN Jun, HE Minghao, LI Shengxi, et al. Study on recognition technology of modern radar emitter[J]. Aerospace Electronic Warfare, 2008, 24(1): 43-45.

张国柱. 雷达辐射源识别技术研究[D]. 长沙: 国防科学技术大学, 2005.

张葛祥, 金炜东, 胡来招. 基于粗集理论的雷达辐射源信号识别[J]. 西安交通大学学报, 2005, 39(8): 871-875.

ZHANG Gexiang, JIN Weidong, HU Laizhao. Radar emitter signal recognition based on rough set theory[J]. Journal of Xi'an Jiaotong University, 2005, 39(8): 871-875.

张葛祥, 胡来招, 金炜东. 雷达辐射源信号脉内特征分析[J]. 红外与毫米波学报, 2004, 23(6): 477-480.

ZHANG Gexiang, HU Laizhao, JIN Weidong. Intra-pulse feature analysis of radar emitter signals[J]. Journal of Infrared and Millimeter Waves, 2004, 23(6): 477-480.

MALLAT S G, ZHANG Z F. Matching pursuits with time-frequency dictionaries [J]. IEEE Trans Signal Processing, 1993, 41(12): 3397-3414.

VITALIY F, STEFAN J. Generalization of strategies in differential evolution [C]∥Proceedings of IPDPS04. Piscataway, NJ, USA: IEEE, 2004:165-170.

NERI N F, TIRRONEN V. On memetic differential evolution frameworks:a study of advantages and limitations in hybridization[C]∥Proceedings of IEEE CEC08. Piscataway, NJ, USA:IEEE,2008:2135-2142.

VAPNIK V. The nature of statistical learning theory [M]. New York,USA: Springer, 1998.

PLATT J C, CRISTIANINI N, SHAWE T J. Large margin DAGs for multiclass classification [C]∥Proceedings of the 1999 Conference on Advances in Neural Information Processing Systems. Cambridge, MA, USA: MIT Press, 2000: 547-553.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种鲁棒的概率主成分分析方法

总体平均经验模式分解与1.5维谱方法的研究

冲击故障特征提取的非线性流形学习方法

利用非线性流形学习的轴承早期故障特征提取方法

一种快速的零空间算法