針對字典學(xué)習(xí)用于輻射源識別時原子表征能力有限和復(fù)雜環(huán)境適應(yīng)性不足問題,提出一種基于聯(lián)合投影字典學(xué)習(xí)的輻射源識別方法。利用時頻變換提取輻射源信號初始特征,并通過降維、降噪實現(xiàn)特征預(yù)處理;采用核空間投影和降維投影學(xué)習(xí)方式優(yōu)化字典原子結(jié)構(gòu),基于數(shù)據(jù)集訓(xùn)練獲取聯(lián)合投影字典;通過分類測試完成了有效性驗證。仿真結(jié)果表明:該方法所提取字典原子具備較強(qiáng)表征能力,能夠適應(yīng)參數(shù)多變的復(fù)雜環(huán)境;較常規(guī)有監(jiān)督字典學(xué)習(xí)方式更易區(qū)分多類型、高相似度信號,-6 dB時單載頻信號、線性調(diào)頻信號、非線性調(diào)頻信號、二相編碼信號、四相編碼信號、Frank信號、二相頻率編碼信號、四相頻率編碼信號、非線性調(diào)頻-二相編碼復(fù)合調(diào)制信號、二相頻率編碼-二相編碼復(fù)合調(diào)制信號10類輻射源信號的整體平均識別率為94.4%. 

【文章來源】：兵工學(xué)報. 2020,41(07)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

基于JPDL的輻射源識別流程示意圖

式中:i∈[1,p];j∈[1,q];mean(·)為向量均值運(yùn)算。4)由于系數(shù)增強(qiáng)函數(shù)收斂較快，重復(fù)步驟2～步驟3兩次即完成系數(shù)優(yōu)化。降噪后二維時頻信號更新為，⊙為Hadamard積。

圖3所示為-5 d B時SCFM與NLFM信號預(yù)處理前后時頻圖對比，預(yù)處理較好地抑制了噪聲干擾，但特征維度仍然較大，進(jìn)一步降維難以有效保留結(jié)構(gòu)特征和細(xì)節(jié)特征，甚至引入了額外特征損失。因此字典分類模型同時考慮降維學(xué)習(xí)和字典學(xué)習(xí)。1.2 JPDL理論

【參考文獻(xiàn)】：
期刊論文
[1]基于Fisher判別字典學(xué)習(xí)的輻射源調(diào)制特征識別[J]. 吳笑天,王星,王志鵬,周一鵬,陳游.  兵工學(xué)報. 2018(03)
[2]一種深度學(xué)習(xí)的雷達(dá)輻射源識別算法[J]. 周志文,黃高明,高俊,滿欣.  西安電子科技大學(xué)學(xué)報. 2017(03)
[3]偵干探通一體化現(xiàn)狀與關(guān)鍵技術(shù)研究[J]. 馬定坤,匡銀,楊新權(quán).  中國電子科學(xué)研究院學(xué)報. 2016(05)
[4]一種基于Spectrum原子的雷達(dá)輻射源信號識別方法[J]. 朱明,金煒東,胡來招.  電子與信息學(xué)報. 2009(01)
[5]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)



本文編號：3634819