资源描述：
《基于负熵最大化fastica算法的雷达信号分选》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、2005年6月舰船电子对抗Jun.2005第28卷第3期SHIPBOARDELECTRONICCOUNTERMEASUREVol.28No.3基于负熵最大化FastICA算法的雷达信号分选李广彪,张剑云(解放军电子工程学院,合肥230037)摘要:在深入分析FastICA算法的基础上,提出了将其用于雷达信号的分选。仿真结果表明,这种算法应用于雷达信号分选时取得了很好的分离效果。关键词:独立分量分析;雷达信号分选;负熵中图分类号:TN971.1文献标识码:B文章编号:CN321413(2005)03002306RadarSig
2、nalSortingBasedonNegentropymaximizationFastICAAlgorithmLIGuangbiao,ZHANGJianyun(ElectronicEngineeringInstituteofPLA,Hefei230037,China)Abstract:BasedonanalyzingFastICAalgorithmdeeply,thispaperexpoundsanewmethodtoadoptitinradarsignalsorting.Thesimulationresultshowsthatthisalgo
3、rithmappliedtoradarsignalsortinghasachievedgoodseparateeffect.Keywords:independentcomponentanalysis;radarsignalsorting;negentropy用到雷达信号分选中,为雷达信号分选提供了一0引言个新的思路。在现代战争中,雷达的大量使用,形成了复1独立分量分析算法杂、多变、具有严重威胁的电子对抗环境。如何在密集的电磁环境中实时地分离出各雷达辐射独立分量分析技术是近年来国际信号处理源信息,得到正确的参数,实时地识别、告警,正领域的研究
4、热点之一。该技术可以在不知接收确引导干扰系统进行干扰就变得越来越迫切。信号瞬时混叠参数的情况下,仅仅根据输入源信信号分选作为侦察引导系统设备中重要的号的一些基本统计特性(统计独立和非高斯分组成部分,它的正确与否直接关系到侦察设备的布),由观测信号恢复出源信号。性能指标。错误的分选结果会造成虚警、漏警,1.1问题描述给作战人员造成混乱,影响干扰方式的确定。因ICA的基本目标就是要找到一个线性变换,此,分选方法的确定至关重要。而基于参数的传使变换后的各信号之间尽可能统计独立。设x统雷达分选方法有着一定的局限性,人们一直都为观测值,对应于一个m维离散
5、时间信号x=在寻找更好的雷达信号分选方法。我们这里提TT[x1,x2,,xm],是源信号s=[s1,s2,,sn]的出将信号处理研究热点之一的独立分量分析线性组合:(ICA:independentcomponentanalysis)技术运收稿日期:2004090824舰船电子对抗第28卷x=As(1)1.3.1预处理ICA的任务是找到一个矩阵W,使得y=进行ICA处理之前,需要对信号进行预处TWx,其中,y=[y1,y2,yn]。如果yi之间尽可理,包括中心化和白化。中心化就是观测矢量x能保持独立,那么yi就近似认为是si
6、。在ICA减去它的均值,变成零均值矢量。白化的含义是提出之后,许多学者都致力于各自领域的理论和将观测变量x进行线性变换Q,得到v=Qx,其应用研究,提出了各种各样的算法。我们这里采中v的各分量vi互不相关,且具有单位方差(即T用的是基于负熵最大化的快速ICA算法,下面E{vv}=I)。白化的操作是通过PCA网络来实先将该算法作一介绍。现的,有:-1/2T1.2基于负熵最大化的ICA算法v=Qx=EUx(5)T式中:E=diag(d1,dn),是相关阵Rx=E{xx}由信息论理论可知:在所有等方差的随机变mn的n个最大特征值组成的对角
7、阵;UC,是n量中,高斯变量的熵最大。因而我们可以利用熵个相应的特征矢量组成的矩阵。来度量非高斯性。为得到一种对高斯分布为零、变换之后,v和s之间的关系为:v=Qx=总是非负的非高斯性的度量,常用熵的修正形式QAs=Bs。因为独立分量si有单位方差,即负熵。TTTTE{vv}=BE{ss}B=BB=I,B为正交阵。因设yG为n个高斯随机变量组成的随机矢此求矩阵A的问题就变成求正交阵B的问题。量,与y有相同的均值和协方差阵,则J(y)=TT一旦B求出后,就可以得出y=Bv,B称为正HG(y)-H(y)称为负熵。可见负熵总是非负的:交分离阵。J(y)=
8、P(y)lgP(y)dy-PG(y)lgPG(y)dy由此可见,PCA除了可完成观测矢量不相关处理外,还
