The invention discloses a relative entropy method based on sparse representation, identification of individual radio transmitters includes receiving a communication signal source, extract the rectangular integral I/Q two digital zero intermediate frequency signal bispectrum feature vector, rectangular all received communication signal radiation source integral bispectrum feature vector is divided into training set and the test samples, the training sample set to form a rectangular integral bispectrum feature dictionary, will test each test sample set are expressed in rectangular integral bispectrum feature dictionary sparse correlation entropy respectively, obtain the representation coefficient vector of each test sample, according to the coefficient vector obtained in different categories of training sample subset of the test sample said the residuals, the smallest said corresponding residual category as emitter categories, solves the problems of existing methods It can not be used to identify the same type of communication source with the same manufacturer and the identification of the same signal source under different noise environment.
【技术实现步骤摘要】
一种基于相关熵稀疏表示的通信辐射源个体识别方法
本专利技术属于通信信号识别
,特别涉及一种基于相关熵稀疏表示的通信辐射源个体识别方法。
技术介绍
通信辐射源的个体识别是指针对不同生产厂家、不同批次的通信辐射设备所辐射的信号存在的独一无二的细微特征,采取各种手段,对这些信号中的细微特征进行识别的过程。业内主要是通过暂态信号特征或稳态信号特征来实现通信辐射源个体识别,典型方法包括基于辐射源开机瞬时特征分析的方法、基于杂散特性的方法、基于调制参数的方法和基于高阶统计量的方法,但是这些方法都还存在很多问题。一是基于暂态信号特征的通信辐射源个体识别方法由于存在暂态特征难提取、并且无法用于识别同厂家同型号的通信辐射源个体等问题,所以实际应用中此类方法的识别效果并不理想;二是辐射源发射信号,作为辐射源个体细微特征的载体,对于信道、噪声和环境都比较敏感,即使同一辐射源在不同信道、噪声和环境等条件下的发射信号之间一般差别都很大,利用现有的方法很难实现鲁棒的通信辐射源个体细微特征提取与分类识别。
技术实现思路
本专利技术的目的是:提供一种基于相关熵稀疏表示的通信辐射源个体识别方法,解决现有方法中存在的无法用于识别同厂家同型号的通信辐射源、同一信号源在不同噪声环境下的识别等问题,进一步提高对通信辐射源个体识别的能力和水平。本专利技术的技术方案是:一种基于相关熵稀疏表示的通信辐射源个体识别方法,包括以下步骤:A.使用通信信号接收装置,接收通信辐射源信号,并进行预选放大、混频、中频滤波、A/D转换、数字正交解调,获得I/Q两路数字零中频信号;B.提取I/Q两路数字零中频信号的矩形 ...
【技术保护点】
一种基于相关熵稀疏表示的通信辐射源个体识别方法,其特征在于,包括以下步骤:A.使用通信信号接收装置,接收通信辐射源信号,并进行预选放大、混频、中频滤波、A/D转换、数字正交解调,获得I/Q两路数字零中频信号;B.提取I/Q两路数字零中频信号的矩形积分双谱特征向量;C.将接收到的所有通信辐射源信号的矩形积分双谱特征向量,划分为训练样本集和测试样本集,并由训练样本集构成矩形积分双谱特征字典;D.将测试样本集中的每个测试样本分别在矩形积分双谱特征字典上进行相关熵稀疏表示,获得每个测试样本的表示系数向量;E.根据表示系数向量得到不同类别的训练样本子集对测试样本的表示残差,将最小的表示残差所对应的类别作为通信辐射源个体的类别,从而实现通信辐射源个体的识别。
【技术特征摘要】
1.一种基于相关熵稀疏表示的通信辐射源个体识别方法,其特征在于,包括以下步骤:A.使用通信信号接收装置,接收通信辐射源信号,并进行预选放大、混频、中频滤波、A/D转换、数字正交解调,获得I/Q两路数字零中频信号;B.提取I/Q两路数字零中频信号的矩形积分双谱特征向量;C.将接收到的所有通信辐射源信号的矩形积分双谱特征向量,划分为训练样本集和测试样本集,并由训练样本集构成矩形积分双谱特征字典;D.将测试样本集中的每个测试样本分别在矩形积分双谱特征字典上进行相关熵稀疏表示,获得每个测试样本的表示系数向量;E.根据表示系数向量得到不同类别的训练样本子集对测试样本的表示残差,将最小的表示残差所对应的类别作为通信辐射源个体的类别,从而实现通信辐射源个体的识别。2.如权利要求1所述的一种基于相关熵稀疏表示的通信辐射源个体识别方法,其特征在于,所述步骤B中提取I/Q两路数字零中频信号的矩形积分双谱特征向量的方法为:对I/Q两路数字零中频信号进行矩形积分双谱变换,获得m类通信辐射源的n个矩形积分双谱特征向量,构成D×n维的矩形积分双谱特征矩阵;则有:X=[x1,x2,...,xi,...,xn]∈RD×n(1)其中,i=1,...,n,D表示矩形积分双谱特征向量的维度,第i个矩形积分双谱特征向量xi=[xi,1,…,xi,j,…,xi,D]T∈RD称为通信辐射源信号的第i个样本。3.如权利要求1所述的一种基于相关熵稀疏表示的通信辐射源个体识别方法,其特征在于,所述步骤C中由训练样本集构成矩形积分双谱特征字典的方法为:通信辐射源信号经过特征提取获得m类通信辐射源个体的n个训练样本将n个训练样本构造为矩形积分双谱特征字典:X=[x1,x2,…,xi,…,xn]∈RD×n(2)其中y=[y1,y2,…,yD]T∈RD表示通信辐射源测试样本;第c类通信辐射源个体的nc个训练样本构成第c个子字典,X=[X1,X2,…,Xc,…,Xm]包含m个子字典,其中。4.如权利要求1所述的一种基于相关熵稀疏表示的通信辐射源个体识别方法,其特征在于,所述步骤D中进行相关熵稀疏表示的方法为:将所有通信辐射源信号的矩形积分双谱特征矩阵X=[x1,x2,...,xn]作为相关熵稀疏表示字典,待测试样本y=[y1,y2,…,yD]T∈RD在字典X上的相关熵稀...
【专利技术属性】
技术研发人员:雷迎科,蔡晓霞,叶涛,唐哲,王锐,孔辉,李科,
申请(专利权)人:中国人民解放军电子工程学院,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。