论文部分内容阅读
辐射源个体识别作为一种利用辐射源信号中有差别的无意调制信息进行辐射源个体分辨的技术,在现代电子战、通信安全、网络安全等领域扮演着重要角色。目前对于该项技术的研究也较为广泛,这些研究虽然大大提高了辐射源个体识别的识别性能,但其在辐射源脉冲信号无意调制信息的充分表征、辐射源异构特征的充分利用、识别算法的硬件实现等方面仍然存在些许不足。为此本文对基于ZYNQ的辐射源个体识别技术展开研究。首先,基于辐射源个体识别中各关键算法验证时对实验数据的需求,本文以预警机雷达APS-145为例,对辐射源发射机中信号无意调制信息的来源进行了分析。据此建模了3个不同个体的仿真辐射源,并于不同信噪比下获取了来自3个不同个体的仿真信号样本。基于AD9361板卡和ZYNQ开发板搭建了半实物辐射源平台,并采集了来自4个不同个体的半实物信号样本。另外还采集了某空基平台3个不同个体的实测信号样本。其次,为寻找更能充分表征辐射源信号中无意调制信息的个体特征,本文从时域、频域和变换域出发,对基于多尺度散布熵、基于双谱和基于波原子变换的辐射源个体特征提取方法进行了研究。通过在各类信号样本下配合经典单核支持向量机的实验,表明多尺度散布熵个体特征和波原子个体特征相比于双谱个体特征识别效果更佳,且受噪声的影响更小。对于信噪比为10d B的仿真信号样本和半实物信号样本,两类特征的识别率均能达到90%以上。对于实测信号样本,两类特征的识别率也能达到85%以上。最后,基于对多域特征应用于辐射源个体识别时异构特性的考虑,本文在几种常见多核学习和支持向量机的基础上,研究了一种更能充分利用多域特征异构信息的多核学习方法,即数据联合多核学习。通过在各类信号样本下简单多核学习和数据联合多核学习的对比实验,表明在仿真信号样本、半实物信号样本和实测信号样本下,数据联合多核学习对于辐射源个体识别性能的提升都更加明显。另外,基于辐射源个体识别算法硬件实现的考虑,本文在ZYNQ开发板上设计了双谱个体特征提取和单核支持向量机决策过程的FPGA程序,通过Modelsim工具对各FPGA程序进行了仿真,并以PC机下的计算结果为标准,分析了各FPGA程序的计算误差。结果显示双谱个体特征提取FPGA程序的计算结果相对误差小于0.08%,单核支持向量机决策过程FPGA程序的计算结果,与PC机下的计算结果基本一致。