[发明专利]一种联合两域多特征的辐射源信号识别方法

权利要求书

1.一种联合两域多特征的辐射源信号识别方法，其特征在于，包括以下步骤：

(1)对辐射源信号进行短时傅里叶变换、改进的魏格纳时频分布变换和希尔伯特黄变换，获得三种时频特征图像；

(2)分别提取三种时频特征图像的Green单通道图像，将三种Green单通道图像进行通道融合，获得新特征图像；

(3)利用预训练MobileNet网络的若干网络层构成神经网络特征提取模块，利用该模块对新特征图像进行神经网络特征提取，通过局部线性嵌入算法对所得到的特征进行降维，获得迁移特征；

(4)从时频域角度出发，基于灰度共生矩阵特征参数对新特征图像进行纹理特征提取，获得纹理特征；

(5)从时域角度出发，对辐射源信号进行波形熵特征提取，获得波形熵特征；

(6)基于两域多特征思想，将迁移特征、纹理特征和波形熵特征进行特征拼接，获得拼接特征；

(7)将拼接特征送入Softmax分类器进行识别分类，实现对辐射源信号的调制识别。

2.根据权利要求1所述的一种联合两域多特征的辐射源信号识别方法，其特征在于，所述对辐射源信号进行短时傅里叶变换、改进的魏格纳时频分布变换和希尔伯特黄变换，获得三种时频特征图像，包括：

(1.1)对辐射源信号sig(t)做短时傅里叶变换，得到时频域图像，将该时频域图像记作TF₁，短时傅里叶变换公式为：

其中，e为欧拉数，ζ(τ)为窗函数，(·)^*表示共轭操作，t表示时间，f表示频率，τ为积分变量；

(1.2)对辐射源信号sig(t)做改进的魏格纳时频分布变换，得到时频域图像，将该时频域图像记作TF₂，改进的魏格纳时频分布变换公式为：

其中，(·)^*表示共轭操作，t是时间，f是频率，φ是频移变量，是时移变量，u是时间变量；

(1.3)找出辐射源信号sig(t)所有的局部极大值点和极小值点，并利用三次样条函数对所有极值点分别进行插值运算进而拟合出上包络线sig_max(t)和下包络线sig_min(t)，并求出上下包络线的平均值，将该平均值记为m₁(t)，上下包络线的平均值计算公式为：

将辐射源信号sig(t)与平均值m₁(t)的差值记为h₁(t)，计算公式为：

h₁(t)＝sig(t)-m₁(t)；

(1.4)若h₁(t)满足固有模态函数条件，即在整个序列中极值点和零点相等或至多相差1且满足上下包络关于时间轴局部对称，则将h₁(t)记为第一个固有模态函数分量；若h₁(t)不满足固有模态函数条件，则将h₁(t)重复步骤三k次，直到所得结果满足固有模态函数条件，将最终所得结果记为h_1k(t)，将h_1k(t)记为第一个固有模态函数分量；

h_1k(t)计算公式为：

h_1k(t)＝h_1(k-1)(t)-m_1k(t)

其中，h_1(k-1)(t)为h₁(t)重复步骤三k-1次所得结果，m_1k(t)为h_1(k-1)(t)的上下包络线均值；

(1.5)将由步骤(1.4)得到的第一个固有模态函数分量记为c₁(t)，将辐射源信号sig(t)与c₁(t)相减，差值记为r₁(t)，计算公式为：

r₁(t)＝sig(t)-c₁(t)；

(1.6)将r₁(t)重复步骤(1.4)和步骤(1.5)，得到辐射源信号sig(t)的第n个固有模态函数记为c_n(t)，将辐射源信号sig(t)与c_n(t)相减，得到差值r_n(t)，计算公式为：

r_n(t)＝sig(t)-c_n(t)

当r_n(t)为单调函数且不能再提取固有模态函数分量时，循环结束，最终得到n个固有模态函数分量，此时输入信号sig(t)为：

其中，i＝1,2, …,n，r_n(t)为残余函数；

(1.7)对每个固有模态函数分量进行希尔伯特谱分析，忽略残余函数r_n(t)，输入信号sig(t)通过瞬时频率表示为：

将上式右边称为希尔伯特时频谱，记作TF₃，计算公式为：

其中，Re表示取实部，a_i(t)为c_i(t)瞬时幅值函数，为c_i(t)瞬时相位函数，w_i(t)为c_i(t)角频率函数；

H_i(w,t)即为辐射源信号sig(t)的希尔伯特黄变换。