一种基于改进TSVM的半监督通信辐射源个体识别方法技术

本发明专利技术属于通信辐射源个体识别领域，公开了一种基于改进TSVM的半监督通信辐射源个体识别方法。本发明专利技术在传统半监督支持向量机TSVM方法的基础上，利用训练样本中各类分布比例的先验信息以及阈值调节因子，通过预置门限对上一次预测结果进行优化，根据预测结果置信度进行迭代，改进了传统TSVM基于局部组合搜索的迭代方法。本发明专利技术中的方法在通信辐射源个体识别中，当有标签的训练样本较少时，较TSVM方法，在保证识别准确率的同时，还可有效减少分类器的迭代次数，减少模型的运算量。

A semi supervised communication emitter identification method based on improved TSVM

【技术实现步骤摘要】
一种基于改进TSVM的半监督通信辐射源个体识别方法
本专利技术涉及通信辐射源个体识别领域，提出一种基于改进TSVM的半监督通信辐射源个体识别方法(animprovedTSVMiterativealgorithmbasedontheConfidenceofPrediction,CP-TSVM)。
技术介绍
通信辐射源个体识别(SpecialEmitterIdentification,SEI)是通过对各辐射源蕴含的独有的射频信号指纹进行提取，并且利用这些特征构造分类器从而对目标进行判别。为了充分提取出信号指纹特征，需要大量有标签的训练集，然而在实际场景下，标签的获取往往需要耗费大量的人力物力，导致难以获取到足额的有标签训练样本。如果训练样本不够多，将难以涵盖所有可能的指纹信息，识别性能必然会受到影响。由于无标签的样本获取较为容易，且与有标签的样本具有相同的指纹特征，如何利用这部分样本来提升识别性能，已成为通信辐射源个体识别领域的热点问题之一。半监督机器学习(Semi-SupervisedLearning,SSL)是一种自动地利用没有标签的样本来提升本文档来自技高网...

【技术保护点】
1.一种基于改进TSVM的半监督通信辐射源个体识别方法,其特征在于，包括以下步骤：/n第①步：提取待识别辐射源个体的双谱特征，对信号进行双谱变换得到二维谱，采用矩形路径积分法将二维谱变为一维谱，每一条积分路径对应一个特征值；/n第②步：采用主成分分析法对特征值进行降维处理，兼顾准确率和运算效率，选取合适的主成分维数，得到通信辐射源个体的特征向量；/n第③步：使用l个有标签的样本进行有监督的SVM训练，得到分类器SVM

【技术特征摘要】
1.一种基于改进TSVM的半监督通信辐射源个体识别方法,其特征在于，包括以下步骤：
第①步：提取待识别辐射源个体的双谱特征，对信号进行双谱变换得到二维谱，采用矩形路径积分法将二维谱变为一维谱，每一条积分路径对应一个特征值；
第②步：采用主成分分析法对特征值进行降维处理，兼顾准确率和运算效率，选取合适的主成分维数，得到通信辐射源个体的特征向量；
第③步：使用l个有标签的样本进行有监督的SVM训练，得到分类器SVM0；
第④步：基于分类器SVM0对所有样本进行预测，得到所有样本的标签Label0；
第⑤步：将Label0的置信度按照降序排列，高于式(1)的部分，标签判定为“+1”，低于式(2)的部分，标签判定为“-1”，中间的部分若预测值大于0，则标签设为“+1”，若预测值小于0，则标签设为“-1”，得到新的样本标签Label1；






其中，l代表有标签样本的数...

【专利技术属性】
技术研发人员：王世练，姚步泉，丁立达，张炜，王昊，胡礼，赖鹏辉，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43