基于主信号抑制的辐射源个体识别方法技术

基于主信号抑制的辐射源个体识别方法，本发明专利技术涉及辐射源个体识别方法。本发明专利技术的目的是为了解决现有辐射源主信号波形变化对个体特征造成影响，以至于识别效果的大幅下滑甚至失效的问题。基于主信号抑制的辐射源个体识别方法过程为：步骤一、对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；步骤二、对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号；步骤三、对步骤二主信号抑制后的信号进行个体特征提取，构建特征向量；步骤四、将步骤三构建的特征向量输入分类器，输出分类识别结果。本发明专利技术用于辐射源个体识别领域。

Individual Recognition of Radiator Based on Master Signal Suppression

【技术实现步骤摘要】
基于主信号抑制的辐射源个体识别方法
本专利技术涉及辐射源个体识别方法。
技术介绍
由于辐射源器件差异，每个辐射源信号都包含着独特的个体信息，通过对被动接收的辐射源信号进行测量，提取其个体特征可实现对辐射源的个体辨识，称为特定辐射源识别或辐射源个体识别。军事方面，辐射源个体识别技术广泛应用于针对雷达辐射源、军事通信发射机等射频设备的个体识别，并可以此获取相应的载体平台信息；而在民用方向可用于射频识别、网络入侵检测、信息取证、无线电频谱管理等领域。目前的辐射源个体识别技术往往集中在对个体(指纹)特征提取方法的研究[1-7]([1]陈昌孝,何明浩,韩俊,etal.雷达辐射源信号个体差异分析方法[P].CN106125049A,2016-11-16.[2]雷迎科,蔡晓霞,叶涛,etal.一种基于相关熵稀疏表示的通信辐射源个体识别方法[P].CN107529692A,2018-01-02.[3]朱胜利,马俊虎,甘露,etal.一种基于Allan方差的辐射源个体识别方法[P].CN108234033A,2018-06-29.[4]唐智灵.通信辐射源非线性个体识别方法研究[D].西安电子科技大学,2013.[5]许丹.辐射源指纹机理及识别方法研究[D].国防科学技术大学,2008.[6]蔡忠伟,李建东.基于双谱的通信辐射源个体识别[J].通信学报,2007(02):75-79.[7]陈媛媛.雷达辐射源个体识别研究[D].南京理工大学,2008.)，其中大致可以分为时频分析、小波分析、分形理论、高阶统计分析等方法，然而不管是时域特征、频域特征、统计特征、分形特征等特征参数，几乎无一例外都是在包含主信号条件下得到的，而由于主信号能量高而对个体特征的贡献大，主信号的变化将导致个体特征发生改变，利用原本的特征数据库势必将使得个体识别率的大幅下降，甚至面临无法进行个体识别的窘境。针对辐射源主信号波形变化对个体特征造成影响，以至于识别效果的大幅下滑甚至失效的问题。
技术实现思路
本专利技术的目的是为了解决现有辐射源主信号波形变化对个体特征造成影响，以至于识别效果的大幅下滑甚至失效的问题，而提出基于主信号抑制的辐射源个体识别方法。基于主信号抑制的辐射源个体识别方法具体过程为：步骤一、对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；步骤二、基于时频分布正、反变换的主信号抑制算法，对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号；步骤三、对步骤二主信号抑制后的信号进行个体特征提取，构建特征向量；步骤四、将步骤三构建的特征向量输入分类器，输出分类识别结果。本专利技术的有益效果为：本专利技术进一步凸显辐射源个体特征，提高个体特征的独立性和稳定性，本专利技术公开了基于主信号抑制的辐射源个体识别方法，从辐射源个体识别基本框架上做出改变，在特征提取前添加主信号抑制过程，抑制了主信号对个体特征提取的影响，提高了个体特征的稳定性和独立性，提高了辐射源个体识别技术的可靠性和鲁棒性，在军事和民用领域均有着广泛的应用前景，解决了现有辐射源主信号波形变化对个体特征造成影响，以至于识别效果的大幅下滑甚至失效的问题。由仿真实验结果来看，与传统框架下辐射源个体识别技术相比，基于的主信号抑制的辐射源个体识别技术对个体识别率有着显著地提高，虽然可能由于脊提取、时频变换等过程的影响，达不到理想抑制下的识别效果，但依然令人十分鼓舞。在4～11dB信噪比条件下，SSWT主信号抑制与未进行主信号抑制相比，识别率提升都在10％以上，尤其在信噪比7dB条件下，正确识别率提高了18％左右。横向来看，要达到识别率在92％左右，主信号抑制后所需要的最低信噪比条件减少了近5dB。对主信号抑制下的识别率进行分析，其在4dB的信噪比条件下识别率已超过80％，在大于9dB的信噪比条件下，识别率都超过95％。附图说明图1为本专利技术基于主信号抑制的辐射源个体识别技术的总体框图；图2为本专利技术中主信号抑制流程图；图3为基于同步压缩小波变换的主信号抑制(a)方案算法流程图；图4为基于同步压缩小波变换的主信号抑制(b)方案算法流程图；图5为本专利技术基于主信号抑制的辐射源个体识别仿真实验结果图。具体实施方式具体实施方式一：基于图1说明本实施方式，本实施方式基于主信号抑制的辐射源个体识别方法具体过程为：步骤一、对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；步骤二、基于时频分布正、反变换的主信号抑制算法，对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号，输出个体信息占比高的信号；步骤三、对步骤二主信号抑制后的信号进行个体特征提取，构建特征向量；步骤四、将步骤三构建的特征向量输入分类器，输出分类识别结果。具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤一中对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；具体过程为：接收机接收辐射源信号，对辐射源信号进行分选和去噪；采用脉冲重复间隔(PulseRepetitionInterval,PRI)变换对辐射源信号进行分选，采用静态小波变换对分选后辐射源信号进行去噪，得到预处理后的辐射源信号。其它步骤及参数与具体实施方式一相同。具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述步骤二中基于时频分布正、反变换的主信号抑制算法，对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号，输出个体信息占比高的信号；具体过程为：在基于主信号抑制的辐射源个体识别的主框架下，针对主信号抑制的过程，本专利技术设计了基于时频分布正、反变换的主信号抑制算法，根据信号处理需要，可以从(a)和(b)两种方案中选择，其过程如图2所示。由于选择的时频分布变换一般为线性变换，满足叠加性原则，因此从原理上看(a)和(b)方案均可顺利完成主信号抑制的过程，且效果相当。区别在于(b)方案相当于进行了主信号的重建过程，可获得主信号的时域形式，可用于辐射源信号的调制方式识别、参数估计等，从工程应用中完整的辐射源(个体)识别系统考虑，可以提高信号的利用率。本专利技术中主信号抑制采用的的时频分布算法为同步压缩小波变换。需要强调的是，其他具有反变换、且支持信号重建的高聚集性时频分布算法，如(同步压缩)短时傅里叶变换、S变换等也可应用于本专利技术所涉及的主信号抑制算法中。如图3所示，基于同步压缩小波变换的主信号抑制(a)方案如下：预处理后的辐射源信号x(t)包含相位噪声和信道高斯白噪声，x(t)表示为：x(t)＝s(t)+p(t)+n(t)其中，s(t)为主信号；p(t)为相位噪声，携带有辐射源个体信息；n(t)为信道噪声，t为时域信号的时间；同步压缩小波变换首先对信号进行连续小波变换，而后借助相位信息，对连续小波变换获得的时频分布进行频率重排的同步压缩操作，使得时频分布聚集性更高，信号分量的可分离性也更高。同步压缩小波变换满足叠加原理，对信号x(t)同步小波变换SSWT，获得时频分布Tx(ω,τ)，Tx(ω,τ)表示为，Tx(ω,τ)＝SSWT(s(t)+p(t)+n(t))＝Ts(ω,τ)+Tp(ω,τ)+Tn(ω,τ)其中，SSWT(·)表示同步压缩小波变换函数，Ts(ω,τ)、Tp(ω,τ)和Tn(ω,τ)分别为s(t)、p(t)和n(t)对应的小波同步压缩时频分布，本文档来自技高网...

【技术保护点】
1.基于主信号抑制的辐射源个体识别方法，其特征在于：所述方法具体过程为：步骤一、对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；步骤二、基于时频分布正、反变换的主信号抑制算法，对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号；步骤三、对步骤二主信号抑制后的信号进行个体特征提取，构建特征向量；步骤四、将步骤三构建的特征向量输入分类器，输出分类识别结果。

【技术特征摘要】
1.基于主信号抑制的辐射源个体识别方法，其特征在于：所述方法具体过程为：步骤一、对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；步骤二、基于时频分布正、反变换的主信号抑制算法，对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号；步骤三、对步骤二主信号抑制后的信号进行个体特征提取，构建特征向量；步骤四、将步骤三构建的特征向量输入分类器，输出分类识别结果。2.根据权利要求1所述基于主信号抑制的辐射源个体识别方法，其特征在于：所述步骤一中对辐射源信号进行截获和预处理，得到预处理后的辐射源信号；具体过程为：接收机接收辐射源信号，对辐射源信号进行分选和去噪；采用脉冲重复间隔变换对辐射源信号进行分选，采用静态小波变换对分选后辐射源信号进行去噪，得到预处理后的辐射源信号。3.根据权利要求1所述基于主信号抑制的辐射源个体识别方法，其特征在于：所述步骤二中基于时频分布正、反变换的主信号抑制算法，对步骤一预处理后的辐射源信号进行主信号抑制，得到抑制后信号；具体过程为：预处理后的辐射源信号x(t)包含相位噪声和信道高斯白噪声，x(t)表示为：x(t)＝s(t)+p(t)+n(t)其中，s(t)为主信号；p(t)为相位噪声，携带有辐射源个体信息；n(t)为信道噪声，t为时域信号的时间；对信号x(t)同步小波变换SSWT，获得时频分布Tx(ω,τ)，Tx(ω,τ)表示为，Tx(ω,τ)＝SSWT(s(t)+p(t)+n(t))＝Ts(ω,τ)+Tp(ω,τ)+Tn(ω,τ)其中，SSWT(·)表示同步压缩小波变换函数，Ts(ω,τ)、Tp(ω,τ)和Tn(ω,τ)分别为s(t)、p(t)和n(t)对应的小波同步压缩时频分布；τ为时频分布的时间；利用时频脊提取方法对时频分布Tx(ω,τ)进行提取，获得时频脊点，表示为时间-频率(τ-ω)平面上频率ω关于时间τ的函数ω＝ωr(τ)，时频脊线由脊点顺次连接而成；ωr(τ)为时间-频率(τ-ω)平面上频率ω关于时间τ的函数；以时频脊线为中心，将上下k个频率间隔范围的时频系数作为主信号区域，将主信号区域内时频系数置零，区域外时频系数不变，将时频分布Tx(ω,τ)上主信号区域内的时频系数置零后的时频分布Tmms(ω,τ)表示为其中，Δω为对应位置的频率间隔；对Tmms(ω,τ)进行同步压缩小波反变换ISSWT，直接得到抑制后信号xmss(t)，xmss(t)表示为xmss(t)＝ISS...

【专利技术属性】
技术研发人员：赵雅琴，王昭，吴龙文，任广辉，何胜阳，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23