基于CEEMDAN的雷达信号脉内细微特征提取法

《基于CEEMDAN的雷达信号脉内细微特征提取法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2016年11月北京航空航天大学学报November2016第42卷第11期JournalofBeijingUniversityofAeronauticsandAstronauticsV01．42No．11http：ffbhxb．buaa．edu．cnjbuaa@buaa．edu．enDOI：10．13700／j．bh．1001-5965．2016．0410基于CEEMDAN的雷达信号脉内细微特征提取法王文哲，吴华+，王经商，张强(空军工程大学航空航天工程学院．西安710038)摘要：有效的信号特征提取是高精度雷达辐射源识别的基础，以脉冲描述字为代表的传统特征

2、已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构，抑噪效果通过l000次蒙特卡罗实验得到验证，同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3000个不同脉内调制的加噪信号样本上进行了实验对比，结果表明不同种类信号样本在本文特征空间中清晰可分，本文方法较之主流方法更加精确，尤其在0dB信噪比(SNR)下仍保持90％以上的高精度。关键词：特征提取；自适应噪

3、声完备集合经验模态分解(CEEMDAN)；经验模态分解；噪声协助；雷达辐射源识别；信号重构中图分类号：TN97文献标识码：A文章编号：1001．5965(2016)11．2532-08辐射源识别是现代雷达侦察的核心功能。识别包括两个过程，即信号特征提取和信号分类。表面上看，后者是辐射源识别的最终目的，但是由于雷达信号取样后的高维性，没有合适的分类器能够直接对其进行处理，因此信号分类必须建立在特征提取的基础上。以脉冲描述字(PDW)⋯为代表的传统特征集在电子战实践中长期占据中心地位，然而脉冲压缩雷达、相控阵雷达等复杂体制雷达已对其性能构成严峻挑战。尤其亟需解决的

4、是，在处理复杂体制辐射源或者辐射源数目较多时，由于PDW参数基本上基于脉间特性，而脉间参数完全无法充分反映辐射源信号调制特性，直接导致PDW特征空间的脉冲重叠概率过高旧o。为解决这一问题，一种思路是设计更佳的分类器来补偿分类特征的性能下降。Matuszewski和Paradowski¨1提出一种专家系统来实现辐射源识别。刘海军等Ho利用基于联合参数建模的方法对雷达辐射源进行识别。关一夫和张国毅”。则提出一种基于隐马尔可夫模型的雷达辐射源识别方法。Xiao等M1设计一种基于仿射传播聚类(AP聚类)的支持向量机(SVM)雷达辐射源分类识别方法。尽管这些方法在一定程

5、度上提升了识别效能，但是没有对特征提取过程进行改进，因此仍然没有从本质上解决问题。另一种思路即通过利用信号脉内特征改进特征提取"4。。Pu等p。用非模糊相位扩展和滑动平均改进瞬时自相关，并提取雷达信号的主瞬时频率。这种方法仅适用于平稳线性信号。Zhu和Jin¨叫提出一种基于连续小波变换(CWT)的雷达信号时频特征提取方法。然而小波变换仍然具有无法克服的缺陷¨1

6、，例如无法处理非线性信号，以及无法在时频域同时取得高分辨率等。一般来说，侦察接收机接收到的基本均为非平稳非线性信号，因此找到能够处理此类信号的分析工具尤为关键。自适应噪声完备收稿日期：2016-05—1

7、7；录用日期：2016-07—16；网络出版时间：2016-08-3015：52网络出版地址：WWW．cnki．net／kcms／detail／11．2625．V，20160830．1552．003．html基金项目：国家自然科学基金(61379104)；航空科学基金(20152096019)}通讯作者：Tel．：02944787681E—mail：15129291728@163．corn亨f用格式：王文哲，吴华，王经商，竽．基于CEEMDAN的雷达信号脉内细微特征提取法DJ．北京航空航天大学学报，2016，42f】1)：2532—2539．WANGⅣZ，WU

8、I-I，WANGJS，elaj．SubtleintrapulsefeatureextractionbasedonCEEMDANforradarsignals[J]．JournalofBeijingUniversityofAeronauticsandAstronautics，2016，42fJ1)：2532-2539(inChinese)·第11期王文哲，等：基于CEEMDAN的雷达信号脉内细微特征提取法2533一———————————————————————————————————————————————————一集合经验模态分解(CEEMDAN)由Torre

9、s等m1在EMD的局部特性可能导致单个