论文部分内容阅读
在电子侦察技术中,正确处理和分析敌方信号并将其分类识别是非常有意义但又充满挑战的一个环节,它将直接影响后期战场情势的把控和对抗策略的研制,在特定的时间空间内截获的敌方信号是不同种信号的混合体,在经典的信号处理识别后,它们可能仍然表现为信号调制类型和调制参数一致、频谱特征类似等等,正确识别信号的发射设备,利用区分于普通信号特征、深入探索其机理和特性来识别辐射源个体并获取战场信息是及其有意义的一个课题。特定辐射源信号识别仅仅关注于探测信号的无意调制特征,信号发射机各个器件在工作中由于温湿度环境和长时间工作的影响,会产生一些特定的变化,而这些变化将以某种形式体现在各种发射信号中,细微的信号特征正是这些器件差异性的体现。本文基于实测数据,通过对小波频域和相空间域的研究提取了多种特征进行个体识别,具体研究内容如下所示:首先,结合辐射源发射机系统的构造从振荡器和功放入手针对不同个体间具有固定区分度的无意识调制产生机理进行了研究并完成信号仿真。对实测数据进行预处理,研究其时域、频谱、包络、包络幅度分布、均值和方差等基本特征。在指纹机理的基础上,研究了实测数据的频率放大曲线,并分析了利用该曲线提取特征的可行性,在此基础上根据功放非线性对频率的影响提出了自适应能量窗和特定特征序列。其次,在统计了实测数据归一化包络幅度分布的基础上研究了偏度和峰度特征,利用三种不同的序列即完整脉冲、能量窗内全频段和特征序列完成特征提取,分析了各自的特点。进一步在含噪序列下研究了基于小波的偏峰度特征并进行降维处理。此外选取性能更优的小波包分解对于不同种输入方式研究了对应的分量熵作为辐射源个体识别的另一特征,对于这种能量特征本文选取Relief F和K-S特征降维算法。研究各种输入方式的各个维度偏度、峰度和小波熵特征,分别在KNN分类算法中进行分类识别。最后,基于辐射源个体间的差异性来源于系统器件非线性作用这一事实采用混沌理论处理本课题的实测数据并提取特征完成个体识别过程。在了解混沌基本理论的前提下验证了实测数据具有混沌性并利用经典算法得到了嵌入时间延迟和维数参数,基于此进行相空间重构并提取了相应的特征完成个体识别。