[发明专利]一种基于辐射源类别对的信号分析方法

说明书

技术领域

本发明涉及一种辐射源识别的分析领域，特别是一种基于辐射源类别对的信号分析方法，即信号特征筛选、加权和评估方法。

背景技术

目前学术界已经提出了多种衡量信号特征的类别区分能力的方法，如信息增量（information gain）、信息熵（entropy）、卡方检验（chi-square test）和t检验（t test）等filter方法。然而，对于多类别识别任务（类别数目大于2），仅靠这些方法就存在一个“报警缺陷”——选取的信号特征只能区分一部分类别，通常是样本数目占多数的类别，而不能区分其他的类别，特别是样本数目占少数的类别，从而造成有的类别识别准确率高而其他类别识别准确率较低。尽管wrapper方法理论上可以得到避免上述缺陷的最佳信号特征集合，然而该方法的探索空间庞大，计算成本非常高，因此不能直接应用到实时性要求较高的多类辐射源识别上。

信号特征选择可以看作是信号特征加权的一种特殊情况，或者是信号特征加权的预处理过程。不幸的是，“报警缺陷”问题还没有在现有的信号特征加权工作中得到重视。除了“报警缺陷”问题外，filter特征加权方法存在着需要将数据预先进行离散化的局限性，而其他的特征加权方法，如EACH和RELIEF则局限于启发式机制，而且易受数据输入次序的影响。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于辐射源类别对的信号分析方法。

本发明公开了一种基于辐射源类别对的信号分析方法，包括以下步骤：

本发明构建各信号特征的辐射源类别对覆盖集合，计算各信号特征的辐射源类别对覆盖系数；

根据辐射源类别对覆盖集合和覆盖系数筛除冗余的信号特征；

计算各辐射源类别对的最优覆盖特征；

根据辐射源类别对覆盖集合和覆盖系数计算筛选后信号特征的权值；

输出筛选出的信号特征、相应的特征权值以及区分各辐射源类别对的最优覆盖特征。

本发明输出结果为基于辐射源类别对覆盖能力筛选出的信号特征集合U，信号特征集合U中各信号特征的权值，以及区分各辐射源类别对的最优覆盖信号特征。假设获得的一组m类辐射源数据中，每条辐射源数据由相同的N个连续型或离散型信号特征和该辐射源所属的类别组成，且该组辐射源数据来自m个类别。其中，信号特征可以包括载频、重频、脉宽、脉间、脉冲高度等等。

具体而言，本发明方法包括以下步骤：

步骤1，构建各信号特征的辐射源类别对覆盖集合和系数，并按覆盖能力降序排序：将辐射源类别两两组合成类别对，针对各信号特征f和各辐射源类别对p-q，1≤p<q≤m，辐射源类别对p-q包括类别p和类别q，判断该信号特征f能否区分该辐射源类别对，连续型（参见：《统计学》，贾俊平，清华大学出版社，应用统计学系列教材，2006）信号特征采用t检验（t-test，参见：《21世纪高等学校计算机规划教材·SPSS16实用教程》，宋志刚，谢蕾蕾，何旭洪，人民邮电出版社，2008），离散型（参见：《统计学》，贾俊平，清华大学出版社，应用统计学系列教材，2006）信号特征采用卡方检验（chi-square test，参见：《21世纪高等学校计算机规划教材·SPSS16实用教程》，宋志刚，谢蕾蕾，何旭洪，人民邮电出版社，2008），以p值（记为pval_f，p-q）0.05为门限来判断该信号特征能否区分该辐射源类别对，构建每个信号特征f所能区分的辐射源类别对覆盖集合Ω_f，并在此基础上计算各信号特征的辐射源类别对覆盖系数score_f，其计算公式如下：

score_f=min(1-pval_f，p-q|p-q∈Ω_f)                  (1)

将N个信号特征首先按照辐射源类别对覆盖集合大小由大到小降序排序，如果辐射源类别对覆盖集合大小相同则按辐射源类别对覆盖系数由大到小降序排序，排序结果记为其中N表示信号特征的数量。

步骤2，初始化前序信号特征索引为1，各辐射源类别对的最优覆盖特征为空：