基于VMD和特征融合的辐射源信号识别

TN973; 在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal,RES)识别率和抗噪性能是亟待解决的问题.为此提出了一种变分模态分解(variational mode decomposition,VMD)和特征融合相结合的RES识别方法.首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function,IMF);然后,对这3个IMF分量提取排列熵(permutation entropy,PE)和样本熵(sample entropy,SE)特征进行特征融合,构成六维特征向量;最后利用支持向量机对辐射源信号进行识别....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 42; no. 7; pp. 1499 - 1503
Main Authors 李亚兰, 金炜东, 葛鹏
Format Journal Article
LanguageChinese
Published 西南交通大学电气工程学院,四川成都,611756 01.07.2020
Subjects
支持向量机
特征融合
雷达辐射源信号识别
变分模态分解
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2020.07.10

Cover

More Information
Summary:TN973; 在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal,RES)识别率和抗噪性能是亟待解决的问题.为此提出了一种变分模态分解(variational mode decomposition,VMD)和特征融合相结合的RES识别方法.首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function,IMF);然后,对这3个IMF分量提取排列熵(permutation entropy,PE)和样本熵(sample entropy,SE)特征进行特征融合,构成六维特征向量;最后利用支持向量机对辐射源信号进行识别.利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比(signal to noise ratio,SNR)下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100％,具有较强的抗噪性能.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2020.07.10