[发明专利]一种辐射源识别方法

摘要

本发明的目的在于提供一种辐射源识别方法，包括以下步骤：将传感器采集到的辐射源信号从时域变换到频率域，并在频率域中对信号能量进行归一化处理；预处理后的信号进行L层频率域小波分解，得到2L个频率子空间；在不同的频率子空间上计算信号的指数熵，并构造辐射源识别的特征向量，根据辐射源识别特征向量和辐射源特征数据库，采用灰色关联算法得到最终的识别结果。本发明是能在复杂电磁环境和大动态信噪比变化条件下有效、准确、稳定、可靠的辐射源识别方法，能够保证复杂电磁环境和大信噪比动态范围下对辐射源识别的要求。

主权项

1.一种辐射源识别方法，其特征是：(1)将传感器采集到的辐射源信号从时域变换到频率域，并在频率域中对信号能量进行归一化处理；(2)将预处理后的信号进行L层频率域小波分解，得到2L个频率子空间；(3)在不同的频率子空间上计算信号的指数熵，并构造辐射源识别的特征向量：每层信号的采样点数是N，定义尺度i上的低频信号能量为：Ei=||xL(i,k)||=Σk=1N|xL(i,k)|2,]]>将每一个尺度下的高频信息量都看成是一个独立的信号源，并将信号等分成n个相等的小区间，则第j个子区间的能量为Ei,j=Σk=jNn(j+1)Nn|xL(i,k)|2,]]>定义上第j个子区间所包含的信号能量与该尺度上总能量的比值为pij=Ei,jEi,]]>定义尺度i上的指数熵为Hi=Σj=1npije1-pij,]]>利用小波分解算法将原始信号分解到L个尺度上，选取每个尺度上的高频信号，按照上面的方法求出L个不同尺度上的指数熵，构造如下的特征向量：H＝{H₀，H₁，·，H_L}；(4)根据辐射源识别特征向量和辐射源特征数据库，采用灰色关联算法得到最终的识别结果：记参考数列为X₀＝{X₀(j)|j＝1，2·，L}，其中j为参考数列中的第j个特征，L为参考数列中的特征维数，特征就是指数熵，L代表小波分解的层数即尺度，辐射源识别数据库中有M个待识别目标的标准特征向量，即X_i＝{X_i(j)|j＝1，2·，M}，i＝1，2·，M，定义第j个特征的绝对差为Δ_ij＝{X₀(j)-X_i(j)}，定义X_i(j)与X₀(j)的关联系数为ξi(j)=MiniMinjΔij+ρMaxiMaxjΔijΔij+ρMaxiMaxjΔij,]]>为两级最小差，为两级最大差，定义加权关联度为：γi=γ(X0,Xi)=Σj=1Lξi(j)a(j),i=1,2,·,M]]>其中a(j)为权重，最后判定γ_i最大为待识别辐射源。