基于通信域和雷达域融合特征的无人机集群类型识别算法

TN911; 目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别,存在识别准确率低等问题.提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法.首先,提取集群通信信号的高阶累积量和瞬时特征统计量,并融合雷达航迹特征构建无人机集群特征矩阵.其次,提出一种改进的特征选择算法—二次筛选的近邻成分分析,对融合特征矩阵进行降维.最后,利用稀疏自编码器网络进行集群类型的识别.仿真结果表明,该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27％),同时在信噪比为0 dB时,对5种集群类型识别的正确率可达88％....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 12; pp. 3734 - 3742
Main Authors 张书衡, 翟茹萍, 刘永凯
Format Journal Article
LanguageChinese
Published 南京航空航天大学电子信息工程学院,江苏南京 210016 01.12.2023
Subjects
无人机集群类型识别
高阶累积量
unmanned aerial vehicle(UAV)swarm type identification
特征选择
瞬时特征统计量
雷达航迹
high-order cumulant
instantaneous feature statistics
radar trajectory
feature selection
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.12.03

Cover

More Information
Summary:TN911; 目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别,存在识别准确率低等问题.提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法.首先,提取集群通信信号的高阶累积量和瞬时特征统计量,并融合雷达航迹特征构建无人机集群特征矩阵.其次,提出一种改进的特征选择算法—二次筛选的近邻成分分析,对融合特征矩阵进行降维.最后,利用稀疏自编码器网络进行集群类型的识别.仿真结果表明,该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27％),同时在信噪比为0 dB时,对5种集群类型识别的正确率可达88％.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.12.03