一种面向辐射源个体识别的特征编码方法技术

本发明专利技术公开了一种面向辐射源个体识别的特征编码方法，基于格拉姆角和/差场变换，将IQ两路采样的辐射源电磁信号进行编码处理。将信号的实部、虚部以及幅度特征序列，分别进行格拉姆角和/差场变换，得到包含采样点间时域、频域相关特征矩阵。所获得的编码特征可作为深度神经网络输入，通过训练所获模型实现辐射源个体识别。本发明专利技术为针对雷达、通信等多种电磁信号的时域、频域特征提取提供了思路，为面向各类辐射源的个体识别任务提供了数据预处理的解决方案。相对传统编码方法，本发明专利技术对于辐射源IQ两路采集信号的特征提取效果更佳，且具有识别精度高、信号适用范围广的特征，对电子对抗等辐射源个体识别应用具有重要意义。抗等辐射源个体识别应用具有重要意义。抗等辐射源个体识别应用具有重要意义。

【技术实现步骤摘要】
一种面向辐射源个体识别的特征编码方法


[0001]本专利技术属于信号处理
，具体涉及一种面向辐射源个体识别的特征编码方法。

技术介绍

[0002]电磁信号识别旨在从发射的电磁信号中获取有用信息，为态势估计等应用提供支持，需要对于所捕获的信号进行特征分析，获得信号的各项特征，进而获取辐射源的信号指纹特征，进行辐射源目标个体识别任务。
[0003]一般电子信号特征提取如调制参数，如载频、带宽、码元速率等简单特征，已经难以识别辐射源个体，无法满足现代应用需求。随着计算机技术、融合算法、以及电子信息科学等技术的进步，信号特征分析以及特征提取技术也都有了快速的发展，从而实现了对信息的充分挖掘和利用。其中，辐射源目标的个体细微特征因其可展现目标独特属性，其指纹特征提取及应用技术具有重大研究和应用价值。
[0004]从现有的辐射源信号特征提取与个体识别方法来看，系统的特征提取方法较少，且大多没有在特征提取前对信号进行有效的编码预处理。《基于知识蒸馏机制的类增量辐射源个体识别方法》(CN114492745A)、《基于深度残差收缩网络的辐射本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向辐射源个体识别的特征编码方法，其特征在于，包括以下步骤：(1)将IQ两路采样的辐射源信号进行形式变换；获取IQ采样I路一维信号记为Re，Q路一维信号记为Im，以及IQ两路信号的幅值记为Am；针对Re、Im和Am，利用短时傅里叶变换STFT、小波变换WT、希尔伯特
‑
黄变换HHT常见时频分析方式；在进行短时傅里叶变换、小波变换时，计算出各个不同时刻的信号功率谱密度，取二维变换结果在各个时间窗内频率分布的最大值，得到一维的时频特征序列；在进行希尔伯特
‑
黄变换时，经过经验模态分解EMD分解出的内涵模态分量IMF分量再经过希尔伯特变换，最终得到信号瞬时频率和瞬时幅值，即为分解后的时频特征；得到的一维特征序列数量等同于经验模态分解的次数；在此步骤中，需要根据信号的分析要求和信号本身的特征，有针对性地筛选时频分析方法；(2)对于步骤(1)中得到的时域、时频域特征结果，进行格拉姆角和/差场GASF/GADF变换；将原有长度为n的时间序列、时频域特征序列转化为n
×
n的特征编码矩阵；(3)级联步骤(2)中辐射源IQ信号I路、Q路、幅值和时频域特征编码矩阵，选取区分度高的k个特征，形成大小为k
×
n
×
n的矩阵数组，应用于基于深度神经网络的个体识别任务；对于接收到的不同信号，有针对性地选择所级联的特征矩阵；采样点数量多的信号更多选取时频域特征进行级联，反之则级联时域特征；当需要同时级联特征序列长度不同的时域、时频域特征时，选择特征维度最大的编码矩阵大小为基准，对较小的编码矩阵进行补零操作，使其大小与基准相同；在样本数量足够的情况下，通过变换特征级联的组合，选取区分度最高，识别效果最好的特征作为最终信号的编码方式，作为...

【专利技术属性】
技术研发人员：张叶茁，李煊鹏，周子楠，郑全中，
申请(专利权)人：东南大学，
类型：发明
国别省市：