基于VMD和熵特征的雷达辐射源信号识别

摘要：

将雷达信号的近似熵(ApEn)和范数熵(NoEn)提取出构成特征向量,用粒子群优化的支持向量机进行分类识别,得到结果发现对于相似的特征向量识别正确率较低.为了提高雷达辐射源个体的识别正确率,提出了一种基于变分模态分解(variational mode decomposition,VMD)和熵特征相结合的多维特征雷达辐射源信号识别方法.首先利用VMD算法对各雷达信号进行分解,得到两个本征模态组合函数,因为不同的雷达信号分解成各个模态的中心频率也是不同的,然后组合中心频率特征与近似熵、范数熵特征进行特征融合构成4维特征向量,最后使用粒子群支持向量机(particle swarm optimization support vector machine,PSOSVM)对辐射源信号进行识别.实验结果表明,经过特征融合构成的特征向量展示了更好的识别效果.集聚多种特征的识别优势来提升雷达辐射源信号识别准确率,相比于原来单一熵特征结合识别方法在分类效果上更具有优势.

关键词：变分模态分解;中心频率;特征融合;粒子群支持向量机;熵特征

所属期刊栏目：31

分类号：TP301;TN957.51(计算技术、计算机技术)

资助基金：陕西省重点研发计划项目2020NY-161

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：13-17