[发明专利]一种目标辐射源个体识别方法

权利要求书

1.一种目标辐射源个体识别方法，其特征在于，所述目标辐射源个体识别方法包括：对接收到的目标辐射源信号进行经验模态分解和变分模态分解，得到不同的模态分量；利用奇异谱分析对每个固有模态分量进行去噪，并计算各模态分量的多尺度排列熵构造特征向量；采用主成分分析对特征向量进行降维处理，并采用支持向量机分类器实现目标辐射源个体识别。

2.如权利要求1所述的目标辐射源个体识别方法，其特征在于，所述目标辐射源个体识别方法包括以下步骤：

步骤一：对接收到的目标辐射源信号进行经验模态分解和变分模态分解，得到不同的模态分量；

步骤二：利用奇异谱分析对每个固有模态分量进行去噪，并计算各模态分量的多尺度排列熵构造特征向量；

利用奇异谱分析对每个固有模态分量进行去噪包括：

固有模态分量x_l(t)采样所得的N点一维时间序列表示为x_l(n)(n＝1,2,…,N)，若嵌入维数为m，时间延迟为τ，根据嵌入定理，将其嵌入到m×n维的相空间为：

Z_n＝[x_l(n),x_l(n+τ),x_l(n+2τ),…,x_l(n+(m-1)τ)]^T；

其中l＝1,2,3,…,n，n＝N-(m-1)τ；轨道矩阵Z＝[Z₁,Z₂,Z₃,…,Z_n]代表相空间中n个坐标点，形成一条运动的轨迹，结构为：

令C为矩阵Z的m×m维协方差矩阵，则：

C＝ZZ^T/n；

根据上式可知，方阵C中的元素为无偏自相关函数：

其中，k＝0,1,2,…,m-1，方阵C中的元素，(C)_ij＝R_r[(i-j)τ]；

对协方差矩阵C进行奇异值分解，得到一组非负的奇异值(e_i),i＝1,2,…,m，记：

将S_i按降序排列S₁≥S₂≥…S_m≥0就构成了奇异谱，它表示信号中不同成分在整个系统中所占能量的相对关系；

e_k对应的特征向E^k称为经验正交函数，第k个主分量定义为原始序列{r(i)}在E^k上的正交投影系数：

若各主分量与经验正交函数均为已知，则由经验正交函数和主分量可重构出原始的时间序列，表达式如下：

利用奇异谱分析对每个固有模态进行去噪；

步骤三：采用主成分分析对特征向量进行降维处理，并采用支持向量机分类器实现目标辐射源个体识别；

通过将原来的变量做线性投影形成新的变量，计算特征的主成分：

其中，Υ表示主成分特征，为训练样本的特征均值，为需要降维的特征，Ψ^T为协方差矩阵计算公式：

3.如权利要求2所述的目标辐射源个体识别方法，其特征在于，所述步骤一对目标辐射源信号r(t)进行经验模态分解，表达式如下：

其中，x_l(t)表示第l个模态分量，L是分解模态总数，c(t)为余项；经验模态分解方法中，通过分解得到的x_l(t)分量和残余分量c(t)能够将原信号r(t)完全恢复。