基于复杂度的通信辐射源目标识别方法
针对现在通信辐射源个体识别方法的特征难以提取、计算复杂及识别率低等问题.提出了一种基于复杂度的通信辐射源目标识别方法.首先信号进行奇异值分解(SVD)降噪处理,从熵值和分形维数两个复杂度方向分析细微信号所带来的变化,通过对比分析选择了样本熵、排列熵和盒维数作为特征参数;然后使用云自适应粒子群(CAPSO)的算法,优化极限学习机的阈值和连接权值,提高神经网络的分类预测精度,完成了辐射源个体的识别.仿真结果表明该方法在较低的信噪比环境下的识别率高达95%以上.
通信辐射源、复杂度、云粒子群优化极限学习机、识别率
40
TN27(光电子技术、激光技术)
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-26