[发明专利]基于主信号抑制的辐射源个体识别方法有效

专利信息
申请号: 201910441852.7 申请日: 2019-05-24
公开(公告)号: CN110135390B 公开(公告)日: 2020-12-01
发明(设计)人: 赵雅琴;王昭;吴龙文;任广辉;何胜阳 申请(专利权)人: 哈尔滨工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 刘冰
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 信号 抑制 辐射源 个体 识别 方法
【说明书】:

基于主信号抑制的辐射源个体识别方法,本发明涉及辐射源个体识别方法。本发明的目的是为了解决现有辐射源主信号波形变化对个体特征造成影响,以至于识别效果的大幅下滑甚至失效的问题。基于主信号抑制的辐射源个体识别方法过程为:步骤一、对辐射源信号进行截获和预处理,得到预处理后的辐射源信号;步骤二、对步骤一预处理后的辐射源信号进行主信号抑制,得到抑制后信号;步骤三、对步骤二主信号抑制后的信号进行个体特征提取,构建特征向量;步骤四、将步骤三构建的特征向量输入分类器,输出分类识别结果。本发明用于辐射源个体识别领域。

技术领域

本发明涉及辐射源个体识别方法。

背景技术

由于辐射源器件差异,每个辐射源信号都包含着独特的个体信息,通过对被动接收的辐射源信号进行测量,提取其个体特征可实现对辐射源的个体辨识,称为特定辐射源识别或辐射源个体识别。军事方面,辐射源个体识别技术广泛应用于针对雷达辐射源、军事通信发射机等射频设备的个体识别,并可以此获取相应的载体平台信息;而在民用方向可用于射频识别、网络入侵检测、信息取证、无线电频谱管理等领域。

目前的辐射源个体识别技术往往集中在对个体(指纹)特征提取方法的研究[1-7]([1]陈昌孝,何明浩,韩俊,et al.雷达辐射源信号个体差异分析方法[P].CN106125049A,2016-11-16.[2]雷迎科,蔡晓霞,叶涛,et al.一种基于相关熵稀疏表示的通信辐射源个体识别方法[P].CN107529692A,2018-01-02.[3]朱胜利,马俊虎,甘露,et al.一种基于Allan方差的辐射源个体识别方法[P].CN108234033A,2018-06-29.[4]唐智灵.通信辐射源非线性个体识别方法研究[D].西安电子科技大学,2013.[5]许丹.辐射源指纹机理及识别方法研究[D].国防科学技术大学,2008.[6]蔡忠伟,李建东.基于双谱的通信辐射源个体识别[J].通信学报,2007(02):75-79.[7]陈媛媛.雷达辐射源个体识别研究[D].南京理工大学,2008.),其中大致可以分为时频分析、小波分析、分形理论、高阶统计分析等方法,然而不管是时域特征、频域特征、统计特征、分形特征等特征参数,几乎无一例外都是在包含主信号条件下得到的,而由于主信号能量高而对个体特征的贡献大,主信号的变化将导致个体特征发生改变,利用原本的特征数据库势必将使得个体识别率的大幅下降,甚至面临无法进行个体识别的窘境。

针对辐射源主信号波形变化对个体特征造成影响,以至于识别效果的大幅下滑甚至失效的问题。

发明内容

本发明的目的是为了解决现有辐射源主信号波形变化对个体特征造成影响,以至于识别效果的大幅下滑甚至失效的问题,而提出基于主信号抑制的辐射源个体识别方法。

基于主信号抑制的辐射源个体识别方法具体过程为:

步骤一、对辐射源信号进行截获和预处理,得到预处理后的辐射源信号;

步骤二、基于时频分布正、反变换的主信号抑制算法,对步骤一预处理后的辐射源信号进行主信号抑制,得到抑制后信号;

步骤三、对步骤二主信号抑制后的信号进行个体特征提取,构建特征向量;

步骤四、将步骤三构建的特征向量输入分类器,输出分类识别结果。

本发明的有益效果为:

本发明进一步凸显辐射源个体特征,提高个体特征的独立性和稳定性,本发明公开了基于主信号抑制的辐射源个体识别方法,从辐射源个体识别基本框架上做出改变,在特征提取前添加主信号抑制过程,抑制了主信号对个体特征提取的影响,提高了个体特征的稳定性和独立性,提高了辐射源个体识别技术的可靠性和鲁棒性,在军事和民用领域均有着广泛的应用前景,解决了现有辐射源主信号波形变化对个体特征造成影响,以至于识别效果的大幅下滑甚至失效的问题。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910441852.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top