[发明专利]基于时频分析的自适应辐射源调制识别方法

说明书

本发明提供的是一种基于时频分析的自适应辐射源调制识别方法。一，对接收的辐射源信号使用时频分布进行时频分析，将辐射源信号从时域信号转换为时间‑频率二维图像；二，使用图像处理技术降低计算复杂度和特征维数，经过归一化、二值化、图像细化图像预处理操作，增强信号特征信息在图像中的比重；三，联合二阶四阶矩估计方法，利用自适应主成分分析算法，对预处理后的图像进行图像形状特征提取；四，使用LIBSVM分类器识别辐射源信号的调制方式。本发明即能有效避免低信噪比信号特征缺失，又能避免高信噪比信号特征冗余的情况，同时不影响调制识别率。

技术领域

本发明涉及的是一种辐射源信号脉内调制识别方法。

背景技术

辐射源信号脉内调制识别是辐射源的重要特征之一，是对辐射源进行接收、分选和定位等非合作通信方式时的重要参数。电磁威胁环境的信号密度高达每秒120万个脉冲以上，雷达工作频率覆盖范围达到了0.1～20GHz，并正在向0.05～140GHz扩展，雷达信号波形在时频等多个域中同时变化。辐射源信号的调制识别面临着电磁环境复杂化、调制样式多样化、接收信噪比低等问题。

近年来关于雷达辐射源信号识别的大量研究成果表明，脉内调制识别将有望在新型复杂体制雷达辐射源信号识别技术与装备方面获得重要突破。现有的雷达辐射源信号脉内调制识别方法主要有小波及小波包变换法、小波脊线法、相像系数法、经验模式分解法、相对无模糊相位重构法、熵特征法、围线积分双谱法、复杂度特征法、包络法、分形维数法、模糊函数主脊切面法、瞬时频率派生特征法和模糊函数主脊切面特征法等。现有的方法都是对所有不同信噪比情况进行统一处理，为使不同调制信号之间差异明显将采样信号做某种变换，再使用其相应的特征提取方法对变换后的信号进行特征提取，进而完成对信号的调制方式的识别。这些方法在选用信号脉内特征时，都按照同一特征提取方式提取在不同噪声情况的信号脉内特征，没有探讨高信噪比和低信噪比时对采样信号做相应变换，噪声能量对信号调制特征提取的影响。

发明内容

本发明的目的在于提供一种能够解决提取信号调制特征时高信噪比特征冗余、低信噪比特征缺失问题的基于时频分析的自适应辐射源调制识别方法。

本发明的目的是这样实现的：

首先，对接收的辐射源信号使用时频分布进行时频分析，将辐射源信号从时域信号转换为时间-频率二维图像；

然后使用图像处理技术降低计算复杂度和特征维数，经过归一化、二值化、图像细化图像预处理操作，增强信号特征信息在图像中的比重；

随后，联合二阶四阶矩估计方法，利用自适应主成分分析算法，对预处理后的图像进行图像形状特征提取；

最后，使用LIBSVM分类器识别辐射源信号的调制方式。

本发明的优点在于提出了一种运用主成分分析算法对雷达辐射源信号时频分析图像进行特征提取，通过自适应主成分分析算法提取不同信噪比下关键特征，在信噪比为0dB时，基于自适应PCA识别算法识别率达到98％以上，较之Hu矩和伪Zernike矩有12dB左右的提升，同时自适应PCA处于PCA-15和PCA-20之间，表明自适应PCA即能有效避免低信噪比信号特征缺失，又能避免高信噪比信号特征冗余的情况，同时不影响调制识别率。

附图说明

图1是本发明信号调制识别的流程图。

图2是本发明图像中任一像素P的八邻域图。

图3是本发明二阶四阶矩估计信噪比均值示意图。

图4是本发明自适应PCA及不同PCA特征提取识别结果示意图。

图5是本发明自适应PCA及不变矩特征提取识别结果示意图。

具体实施方式

下面举例对本发明做更详细的描述。