本发明专利技术公开了一种基于多域变换指纹特征向量的雷达辐射源个体识别方法，属于无源探测技术领域，针对雷达辐射源信号细微特征难以提取，个体识别难度大等问题。首先对信号处理板送来的雷达中频信号进行解包和预处理，对时域实信号进行PWVD时频处理，得到信号的时频谱，再进行奇异值分解并归一化处理，由公式求得第一个特征熵值；对时域实信号再进行循环谱变换处理，得到循环频率切面并提取边际谱，归一化之后由公式求得第二个特征熵；由两个特征熵构建信号的指纹特征向量，由指纹特征向量对不同雷达辐射源产生的同种雷达类型信号进行区分，根据实验确定这几个特定辐射源产生信号的指纹特征向量的门限，实现这几种辐射源的区分和个体识别。个体识别。个体识别。
【技术实现步骤摘要】
基于多域变换指纹特征向量的雷达辐射源个体识别方法
[0001]本技术属于无源探测技术被动雷达数据处理领域。
技术介绍
[0002]随着雷达技术的快速发展，如何在复杂的电磁空间环境中准确地获取雷达信息、区分雷达属性成为了各国学者和研究人员的研究重点。由于雷达设备具有非理想性，不同的雷达设备之间存在着差异，所以发射的雷达信号也会存在个体差异。通过分析不同雷达辐射源发射的雷达信号中的细微差异，然后提取不同雷达辐射源信号的细微特征，就可以对不同类型的雷达辐射源个体进行分类识别。随着各种新型雷达的出现以及技术的成熟，传统的个体识别技术存在着特征提取不全、识别率不高的缺陷，无法实现较好的雷达辐射源个体识别。
[0003]通过雷达信号指纹特征提取可以获取雷达信号中包含的微弱和稳定的细微特征信息，提取雷达信号指纹特征能够对不同雷达辐射源个体进行有效地识别。因此，如何在电磁环境越来越复杂、雷达信号个体差异越来越小的情况下，准确完成对雷达信号的细微特征提取，从而实现对雷达辐射源个体识别，这是当前雷达辐射源个体识别领域的研究重点。
技术实现思路
[0004]本专利技术的目的在于提供一种基于多域变换指纹特征向量的雷达辐射源个体识别方法，解决低信噪比条件下难以实现雷达辐射源个体识别的问题。
[0005]本专利技术提出的技术方案包括如下：
[0006]s1：对信号处理板送来的雷达中频信号进行解包和预处理；
[0007]s2：对时域信号进行PWVD变换，求出信号的时频谱；再对时频谱进行奇异值分解，进行归一化处理，求取特征熵1；
[0008]s3：对时域信号进行循环谱变换，求得信号的循环谱，提取循环频率切面，对循环频率切面图边际谱做二次特征提取，归一化处理，求取特征熵2；
[0009]s4：由上述步骤求得的两个特征熵值，构建信号的指纹特征向量，由指纹特征向量对不同雷达辐射源产生的同种雷达类型信号进行区分，实现个体识别。
[0010]本专利技术的有益效果是：通过算法分析处理，完成信号的指纹特征向量构建，提取不同辐射源的雷达信号细微特征，通过实验得到的门限实现区分与识别，能够在低信噪比条件下实现较高的辐射源个体识别准确率。
附图说明
[0011]图1个体识别流程图；
[0012]图2循环谱降维后的循环频率切面。
具体实施方式
[0013]本专利技术总体流程图如图1所示。首先对信号处理板送来的雷达中频信号进行解包和预处理，对时域实信号进行PWVD时频处理，得到信号的时频谱，再进行奇异值分解并归一化处理，由公式求得第一个特征熵值；对时域实信号再进行循环谱变换处理，得到循环频率切面并提取边际谱，归一化之后由公式求得第二个特征熵；由两个特征熵构建信号的指纹特征向量，由指纹特征向量对不同雷达辐射源产生的同种雷达类型信号进行区分，根据实验确定这几个特定辐射源产生信号的指纹特征向量的门限，实现这几种辐射源的区分和个体识别。
[0014]本专利技术优选的实施例过程包括：
[0015]Step1对时域实信号进行循环谱变换，循环谱密度函数定义如下：
[0016][0017]其中α为循环频率，将循环谱降维得到循环频率切面，提取循环频率轴右半边的边际谱；
[0018]Step2将边际谱归一化得到f(n)，求得特征熵E2作为第二个指纹特征，定义如下：
[0019][0020]其中
[0021]Step3由上述步骤求得的两个特征熵值，构建信号的指纹特征向量[E1,E2]，由指纹特征向量对不同雷达辐射源产生的同种雷达类型信号进行区分，根据实验确定这几个特定辐射源产生信号的指纹特征向量的门限，实现这几种辐射源的个体识别。具体实施如下：
[0022]Step1接收信号处理板送来的雷达信号中频数据，进行解包，建索引，预处理，得到中频实信号；
[0023]Step2对时域实信号进行PWVD变换，PWVD公式定义如下：
[0024][0025]其中f
l
(n)＝x(l+n)x
*
(l
‑
n)w(n)w(
‑
n)表示核函数，x(n)为实信号，w(n)为长度2N
‑
1的实窗函数；
[0026]Step3对PWVD时频处理得到的时频矩阵进行奇异值分解，得到奇异值序列并归一化得到y(n)，求得特征熵为E1作为第一个指纹特征，定义如下：
[0027][0028]其中
[0029]Step4对时域实信号进行循环谱变换，循环谱密度函数定义如下：
[0030][0031]其中α为循环频率，将循环谱降维得到循环频率切面，提取循环频率轴右半边的边际谱；
[0032]Step5将边际谱归一化得到f(n)，求得特征熵E2作为第二个指纹特征，定义如下：
[0033][0034]其中
[0035]Step6由上述步骤求得的两个特征熵值，构建信号的指纹特征向量[E1,E2]，由指纹特征向量对不同雷达辐射源产生的同种雷达类型信号进行区分，根据实验确定这几个特定辐射源产生信号的指纹特征向量的门限，实现这几种辐射源的个体识别。
[0036]表1 三种辐射源测试识别准确率随信噪比变化表
[0037] 5dB6dB7dB8dB9dBRadar161％72％76％85％100％Radar265％75％77％95％100％Radar378％84％90％94％100％
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于多域变换指纹特征向量的雷达辐射源个体识别方法，其特征在于：s1：对信号处理板送来的雷达中频信号进行解包和预处理；s2：对时域信号进行PWVD变换，求出信号的时频谱；再对时频谱进行奇异值分解，进行归一化处理，求取特征熵1；s3：对时域信号进行循环谱变换，求得信号的循环谱，提取循环频率切面，对循环频率切面图边际谱做二次特征提取，归一化处理，求取特征熵2；s4：由上述步骤求得的两个特征熵值，构建信号的指纹特征向量，由指纹特征向量对不同雷达辐射源产生的同种雷达类型信号进行区分，实现个体识别。2.根据权利要求1所述的基于多域变换指纹特征向量的雷达辐射源个体识别方法，其特征在于：所述指纹特征向量的提取包括：对时域实信号进行PWVD变换，PWVD公式定义如下：其中f
l
(n)＝x(l+n)x
*
...
【专利技术属性】
技术研发人员：吴昊，王睿杰，严波，曹俊纺，
申请(专利权)人：中国船舶集团有限公司第七二四研究所，
类型：发明
国别省市：
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。