[发明专利]非稳定信噪比下的通信雷达辐射源识别方法

说明书

技术领域

本发明涉及电子对抗情报侦察中的辐射源信号识别技术领域，具体涉及雷达辐射源信号和通信辐射源信号的具体识别方法，特别是不稳定信噪比下基于多重分形维数的雷达、通信辐射源信号特征提取与识别方法。

背景技术

在现代电子侦察辐射源信号识别系统中[1-2]，不仅要求能够识别不同类型、不同功能参数的辐射源信号，同时还要求识别具有相近参数的不同个体的辐射源信号。在复杂的电磁环境下，信噪比往往不是稳定的，因此，如何在非稳定信噪比下实现辐射源的识别成为了重要的研究内容。同时，依靠传统的信号特征参数以及调制类型等基本功能参数已经难以实现对现代复杂的辐射源信号进行识别，因此，需要提出新的特征参数，对信号内部特征结构以及信号微小的变化进行特征分析与分类。

在辐射源信号识别领域，当前用于识别的新特征主要包括小波包特征[3]、相像系数[4]、盒维数[5]、熵值[6]等。这些新体制特征克服了传统参数识别信号单一、抗噪能力较差等缺陷，在时域或频域的信号波形细微特征上对辐射源信号进行了识别[7]，取得了一定的成果，提高了识别信号的类别数目，在一定程度上，提高了信号特征的抗噪能力。

在通信辐射源识别领域，有基于决策论、神经网络、小波变换和参数统计等几种识别方法,其中，基于参数统计的方法较为简单，计算量小，易于实现，但是，如何选择合适的特征参数是该算法的难点；小波变换在辐射源识别领域已经得到了比较广泛的应用，然而，其抗噪性能差，在低信噪比下难以实现识别；神经网络识别方法在各个领域都得到了比较广泛的应用，通过对获得的信号特征进行训练测试，通常可以达到比较好的识别效果，但要以训练的时间为代价。

随着当今电子侦察技术的发展和电磁环境的日趋复杂，对辐射源信号逐渐提出了新的要求，如何在不稳定信噪比的电磁环境下，有效提取出辐射源信号的个体特征，并对其进行识别，是我们亟待解决的问题。

<参考文献列表>

[1]余志斌.基于脉内特征的雷达辐射源信号识别研究[D].成都:西南交通大学,2010.

[2]余志斌,陈春霞,金炜东.基于融合熵特征的辐射源信号识别[J].现代雷达,2010(1):34-38.

[3]孙来军.振动信号小波包特征熵的时变与频变特性分析[J].高电压技术,2007,33(8):146-150.

[4]张葛祥.雷达辐射源信号智能识别方法研究[D].成都:西南交通大学电气工程学院,2005.

[5]张葛祥.雷达辐射源信号智能识别方法研究[D].成都:西南交通大学电气工程学院,2005.

[6]罗国敏,何正友,林圣.利用小波相对熵值的差异识别输电线路暂态信号的探讨[J].电网技术,2008,32(15):47-51.

[7]张政超,李应升,王磊,等.雷达辐射源信号识别研究综述[J].舰船电子工程,2009(4):10-14.

发明内容

本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种非稳定信噪比下的基于多重分形维数的辐射源信号识别方法，该方法可以克服现有识别方法中，对信噪比稳定性的要求，在一定信噪比变化范围内提取信号的多重分形维数特征，提取特征后，通过神经网络分类器的训练、测试，可以在不稳定信噪比下达到对辐射源信号进行识别的目的。

为了实现上述技术目的，根据本发明，提供了一种非稳定信噪比下的基于多重分形维数的辐射源信号识别方法，包括：将不同类型的辐射源信号分别进行离散归一化；分别对每个辐射源信号截取相同的离散点数以分别组成各自的辐射源信号序列；将组成的辐射源信号序列进行重组以得到一系列特征向量；根据实际要求选择合适的多重分形维数，随后计算多个不同信噪比下信号的多重分形维数特征的特征向量，并且将所述多重分形维数特征的特征向量存储为特征数据库；利用神经网络对数据库中的特征向量进行训练，以得到相同类型辐射源信号的公共特征，为分类识别做准备；将待识别信号作为输入，对神经网络系统进行训练和测试，以实现非稳定信噪比下对辐射源信号的识别。

优选地，多重分形维数不小于3。

优选地，多重分形维数不大于11。

优选地，所述多个不同信噪比介于预定范围内。

优选地，分别对每个辐射源信号截取相同的离散点数的步骤包括：在相同的条件下对各个辐射源信号进行特征提取以截取相同的离散点数。

附图说明

结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：