基于多域判别核典型相关分析的辐射源指纹特征融合方法

摘要：

辐射源个体识别(specific emitter identification,SEI)是指通过提取信号中蕴含的有关其发射来源的硬件指纹信息,来实现对特定信号辐射源的精确识别.SEI技术的关键在于指纹特征的提取.相关研究大多侧重于定义和提取新的指纹特征,较少关注对已有特征的综合利用问题.鉴于不同分析域的特征对辐射源指纹的描述存在互补性,本文提出一种基于多域判别核典型相关分析(multi-domain dis-criminant kernel canonical correlation analysis,MDKCCA)的辐射源指纹多域特征融合方法,充分利用特征的标签信息以及特征间的互补性,在高维空间完成多域特征的降维与融合.以4个特征分析域8种常见指纹特征为依托,在4种不同类型的实测数据集上验证了算法的性能.结果证明,该方法无需人工特征寻优环节,可大幅降低融合特征的维度,对4类目标的准确识别率均达到95％以上,优于最优单一特征,同时优于基于直接级联或基于PCA(principal component analysis)降维变换的简单特征综合方法、基于神经网络的特征综合方法,以及基于判别相关分析(discriminant canonical correlation,DCA)等方法的特征融合方法.

关键词：辐射源个体识别、特征融合、多域辐射源指纹特征、典型相关分析、特征提取

所属期刊栏目：53

分类号：TP309;F830.91;TN925

资助基金：湖南省创新群体研究项目;国防科技大学青年创新奖资助项目

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：146-163