發(fā)布時間：2021-05-16 00:27

　　在日趨復(fù)雜的電子對抗中,如何提高雷達(dá)輻射源信號（radar emitter signal,RES）識別率和抗噪性能是亟待解決的問題。為此提出了一種變分模態(tài)分解（variational mode decomposition,VMD）和特征融合相結(jié)合的RES識別方法。首先利用VMD算法對各雷達(dá)信號進行分解得到3個本征模態(tài)函數(shù)（intrinsic mode function,IMF）;然后,對這3個IMF分量提取排列熵（permutation entropy,PE）和樣本熵（sample entropy,SE）特征進行特征融合,構(gòu)成六維特征向量;最后利用支持向量機對輻射源信號進行識別。利用6種不同的輻射源信號對該方法進行了驗證,仿真實驗結(jié)果表明,該方法在低信噪比（signal to noise ratio,SNR）下能取得較好的識別率,當(dāng)SNR不低于0 dB時,六維特征向量的識別率達(dá)到100%,具有較強的抗噪性能。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2020,42(07)北大核心EICSCD

【文章頁數(shù)】：5 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于變分模態(tài)分解與流形學(xué)習(xí)的滾動軸承故障特征提取方法[J]. 戚曉利,葉緒丹,蔡江林,鄭近德,潘紫微,張興權(quán).  振動與沖擊. 2018(23)
[2]基于信息熵優(yōu)化變分模態(tài)分解的滾動軸承故障特征提取[J]. 李華,伍星,劉韜,陳慶.  振動與沖擊. 2018(23)
[3]基于改進VMD與包絡(luò)導(dǎo)數(shù)能量算子的滾動軸承早期故障診斷[J]. 任學(xué)平,李攀,王朝閣,張超.  振動與沖擊. 2018(15)
[4]多尺度排列熵及其在滾動軸承故障診斷中的應(yīng)用[J]. 鄭近德,程軍圣,楊宇.  中國機械工程. 2013(19)
[5]基于圍線積分雙譜的雷達(dá)輻射源信號個體特征提取[J]. 陳韜偉,金煒東,李杰.  計算機工程與應(yīng)用. 2013(08)
[6]基于復(fù)雜度特征的未知雷達(dá)輻射源信號分選[J]. 韓俊,何明浩,朱振波,王杰.  電子與信息學(xué)報. 2009(11)
[7]支持向量機在雷達(dá)輻射源信號識別中的應(yīng)用[J]. 張葛祥,榮海娜,金煒東.  西南交通大學(xué)學(xué)報. 2006(01)
[8]Radar Emitter Signal Recognition Using Wavelet Packet Transform and Support Vector Machines[J]. 金煒東,張葛祥,胡來招.  Journal of Southwest Jiaotong University. 2006(01)
[9]基于熵特征的雷達(dá)輻射源信號識別[J]. 張葛祥,胡來招,金煒東.  電波科學(xué)學(xué)報. 2005(04)
[10]Radar Emitter Signal Recognition Based on Complexity Features[J]. 張葛祥,金煒東,胡來招.  Journal of Southwest Jiaotong University. 2004(02)

博士論文
[1]雷達(dá)輻射源信號智能識別方法研究[D]. 張葛祥.西南交通大學(xué) 2005



本文編號：3188611