[发明专利]一种目标辐射源个体识别方法

说明书

本发明属于应用电子设备进行识别的方法或装置技术领域，公开了一种目标辐射源个体识别方法，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。本发明可以有效实现较低信噪比环境下目标辐射源个体的识别，且不需要进行信噪比估计等预处理。

技术领域

本发明属于应用电子设备进行识别的方法或装置技术领域，尤其涉及一种目标辐射源个体识别方法的无线信号处理系统。

背景技术

目前，业内常用的现有技术是这样的：辐射源个体识别技术的基本任务是利用被动观测信号的指纹特征，识别发射该信号的特定辐射源目标，获取敌方战术电子情报。辐射源个体识别技术在电子情报侦察、电子支援、认知无线电以及无线网络安全等诸多领域，都有着广泛而深入的应用，历来都是信号处理领域中的研究热点之一。目前，目标辐射源个体识别领域的研究主要集中在通信辐射源个体识别和雷达辐射源个体识别方面。对于通信辐射源个体识别而言，由于受到不同辐射源设备内部器件的差异，调制信号中的非线性产物如谐波，交调干扰，互调干扰以及杂散输出如放大器非线性失真等的影响，实际辐射源信号存在非线性，非平稳的特点。现有技术一通过提取实际通信辐射源信号的非线性动力学参数作为实现了辐射源个体识别。现有技术二通过提取信号的归一化排列熵作为指纹特征，实现了同种调制方式的不同电台信号识别。现有技术三将辐射源看作一个非线性动力系统，通过Hilbert变换得到信号的幅度、相位、频率序列，利用相空间重构提取序列的排列熵作为信号指纹特征，完成数字电台识别。针对雷达辐射源个体识别，现有的方法大致可以分为基于时域特征的识别方法，基于时频域特征的识别方法和基于统计特征的识别方法。现有技术四通过提取载频、脉冲宽度、脉冲幅度、到达时间、和到达角等参数，组成脉冲描述字PDW参数，从而实现了宽信噪比范围内的雷达辐射源个体识别。现有技术五研究了脉冲序列的时域12维特征参数，利用数据平滑去除数据错误和不连续性，有效提高雷达辐射源个体识别正确率。现有技术六利用ZAM-GTFR提取绝对斜率和比、多项曲线拟合系数、脊阶梯数目和极差归一化系数等特征，有效实现了雷达辐射源个体识别。现有技术七通过提取辐射源信号的采样熵和模糊熵构建特征向量，完成雷达辐射源个体识别。现有技术八提取辐射源信号的模糊函数主脊切片特征，并采用奇异值分解去除噪声影响，从而实现了辐射源个体识别。现有技术一—现有技术八在较低信噪比环境下识别性能欠佳，另外，上述识别技术实现起来较为复杂，且可靠性较低。

综上所述，现有技术存在的问题是：现有技术在较低信噪比环境下识别性能欠佳，实现复杂，且可靠性较低。

解决上述技术问题的难度和意义：在低信噪比环境下凸显目标辐射源的细微差异的特征参数困难，通过解决此难题，可在非合作通信以及空中目标的侦测中具有重要的意义和价值。

发明内容

针对现有技术存在的问题，本发明提供了一种目标辐射源个体识别方法的无线信号处理系统。

本发明是这样实现的，一种目标辐射源个体识别方法，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。

进一步，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；

基于ASK信号的目标辐射源信号表达式如下：

其中，f₀是载波频率，是初始相位，通常情况下设初始相位为0，T_b为符号宽度，M为调相系数；