10.3969/j.issn.1000-1093.2020.07.026
基于联合投影字典学习的辐射源调制识别
针对字典学习用于辐射源识别时原子表征能力有限和复杂环境适应性不足问题,提出一种基于联合投影字典学习的辐射源识别方法.利用时频变换提取辐射源信号初始特征,并通过降维、降噪实现特征预处理;采用核空间投影和降维投影学习方式优化字典原子结构,基于数据集训练获取联合投影字典;通过分类测试完成了有效性验证.仿真结果表明:该方法所提取字典原子具备较强表征能力,能够适应参数多变的复杂环境;较常规有监督字典学习方式更易区分多类型、高相似度信号,-6 dB时单载频信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、Frank信号、二相频率编码信号、四相频率编码信号、非线性调频-二相编码复合调制信号、二相频率编码-二相编码复合调制信号10类辐射源信号的整体平均识别率为94.4%.
辐射源识别、联合投影字典学习、时频特征、降维学习、稀疏编码
41
TN971+.1
国防科技创新特区基金项目17H86304ZT00302201
2020-09-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
1464-1472