[发明专利]一种基于改进变分模态分解的雷达辐射源信号分离方法

说明书

本发明提出一种基于改进变分模态分解的雷达辐射源信号分离方法，包括建立多种调制方式的雷达辐射源信号库；构造变分模态分解算法所需的变分模型；提取加性混合雷达信号的Renyi熵作为适应度值；应用人工蜂群算法计算变分模态分解算法的最优参数；通过变分模态分解将混合信号分解为虚拟多通道观测信号；借助奇异值分解与快速独立成分分析方法实现信号重构；提取已分离信号的时频域Renyi熵作为区分特征；应用支持向量机验证信号分离效果。本发明对加性混合雷达辐射源信号进行分离与识别，针对接收机侦收信号数目多、先验信息少以及识别效果差的问题，提出改进变分模态分解方法以实现混合雷达信号的快速分离与精确识别，为后续处理混合信号提供全新的思路。

技术领域

本发明属于雷达辐射源信号分离领域，尤其涉及一种基于改进变分模态分解的雷达辐射源信号分离方法。

背景技术

随着电磁环境的日益复杂，单雷达辐射源信号的调制方式识别技术已经不再适用，分离并识别接收机侦收的多雷达信号成为电子对抗领域的关键技术之一。在真实的应用场景下，在截获雷达信号后应对其进行实时处理，结合其他脉冲参数以确认雷达的类型、数量以及威胁等级，进而采取必要的防护措施。

盲源分离能够在已知源信号数目等少量先知信息或无先知信息的条件下对混合信号进行有效分离，目前已在无线通信、语音识别等领域得到广泛应用。在处理正定、超定信号分离(源信号数目小于等于观测信号数目)问题时，盲源分离尚能取得较为理想的效果，但在面对单一观测信号时性能较差。针对单通道欠定盲源分离问题，当前性能较为优异的是虚拟多通道技术，即应用经验模态分解等算法将观测信号虚拟为多通道信号，进而应用传统盲源分离技术进行信号处理。其中，经验模态分解比较适用于处理非线性平稳的时间序列，在处理包络拟合以及不连续信号时容易出现模态混叠现象，使分离效果大打折扣。

作为一种求解变分约束模型的自适应信号处理算法，变分模态分解能够克服经验模态分解的模态混叠现象。然而，该算法需对模态分量个数以及惩罚因子进行寻优，一旦模态分量个数与带宽惩罚因子选取不当，就会使得信号分离的可靠性较差。

发明内容

发明目的：本发明基于变分模态分解实现混合雷达辐射源信号的有效分离与去噪，针对单通道欠定盲源分离信号重构难度大、分离后信号区分度差以及变分模态分解最优参数选取难度大的问题，提出基于改进变分模态分解的雷达辐射源信号分离方法。

技术方案：本发明提出一种基于改进变分模态分解的雷达辐射源信号分离方法，包括以下步骤：

步骤1，建立多种调制方式的雷达辐射源信号库，获得加性混合雷达辐射源信号p(t)；

步骤2，构造变分模态分解算法所需的变分约束模型，将约束问题转换为非约束模型以便求解其鞍点；

步骤3，计算变分模态分解算法的最优参数；

步骤4，通过变分模态分解将加性混合雷达辐射源信号分解为虚拟多通道观测信号；

步骤5，对加性混合雷达辐射源信号进行信号重构，获得分离后的雷达辐射源信号；

步骤6，识别分离后的雷达辐射源信号。

在一种实现方式中，步骤1中所述雷达辐射源信号库中的雷达辐射源信号包括常规脉冲信号、线性调频信号、二相编码信号、调频编码信号和多相编码信号；

所述获得加性混合雷达辐射源信号是从所述雷达辐射源信号库中选取两个以上的信号进行随机组合，并与高斯白噪声加性混合组成。

在一种实现方式中，步骤2包括：

接收机截获加性混合雷达辐射源信号p(t)后，借助变分模态分解算法将其分解为多通道模态分量u_k(t)，k＝1,2,...,K，其中K代表模态分量分解个数；分解后各个模态分量u_k(t)之和应为混合信号p(t)。