特征提取方法在多源混合信号分选中的应用.pdf

《特征提取方法在多源混合信号分选中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第26卷第7期强激光·与粒子束Vo1．26，NO．72014年7月HIGHPOWERIASERANDPARTICLEBEAMSJu1．，2014特征提取方法在多源混合信号分选中的应用沈卫超，黄雨佳。，宋磊，陈虹(1．中国工程物理研究院复杂电磁环境实验室，四川绵阳621900；2．北京应用物理与计算数学研究所，北京100094；3．中国工程物理研究院研究生部，北京100088)摘要：在复杂电磁环境中，脉冲的大量丢失(数据缺失)及信号参数空间的严重交叠，破坏了传统分选方法所利用的信号规律性，最终导致现有信号分选算法很难获得令人满意的分选效果甚至完全失效。在同时考虑多个关键特征指标(脉冲宽度、载波

2、频率、到达时间)的基础上，设计多参数五层互耦的分选算法；特别是提出新的关键特征指标提取方法，研究数据内部蕴含的特征向量，建立相应的数学模型，最终应用于对各种通信信号的分选。通过数值结果可以看出，引入的五步分选法可以实现对严重交叠和部分数据缺失的信号的分选。关键词：复杂电磁环境；信号分选；特征提取；五步分选法；综合分选算法中图分类号：TN957．51文献标志码：Adoi：10．11884／HPLPB2O1426．073216随着通信技术的迅猛发展，通信体制的多样化、复杂化及各种体制的综合利用，电子对抗面临着越来越复杂的电磁环境。如何在复杂的信号环境下进行信号分选是侦察的一项重要任务。提高被动信

3、号导引头在密集、复杂、多变的信号环境中正确分选跟踪目标信号的能力是电子侦察领域中紧迫而艰巨的任务之一，也是多学科交叉重大问题。传统的信号分选方法主要采用基于五大参数(到达时间TOA、载波频率RF、脉冲宽度Pw、脉冲幅度PA、达到方位角AOA等)的某种匹配、聚类或分类方法。相关分选方法的研究始于20世纪7O年代，早期具有代表性的分选算法有Davies等提出的序列搜索法训，Whittall，Rogers提出的设定参数量化容差的小盒匹配法]，Andrews，Wilkinson等提出的基于空间距离的多参数聚类法。]。20世纪90年代，Mardia对脉冲重复间隔(PRI)分选进行了深入研究，将直方图分

4、析方法与序列搜索算法相结合，提出了累积差分直方图(CDIF)算法Ⅲ，在此基础上，Milojevic，Nelson，Nishiguchi等对脉冲重复间隔(PRI)估值方法进行了改进¨9。近年来，国内信号分选专家祝正威提出了一种针对未知信号的加权动态聚类分选算法n，另外文献E13—15]也提出了基于不同机理的多参数信号分选方法。国强在文献[16]中充分考虑了“容差”问题，提出了一种综合聚类分选的算法，同时还考虑了基于G特征的分选算法。基于信号特征的分选方法研究也有一些工作，较有代表性的工作有：Delpart¨1]提出了脉内瞬时频率特征提取的小波渐近方法；MoraitakisE通过时频分析的方法提

5、取线性和双曲线调制chirp信号的特征参数；Kawalec【_]进一步指出，个体辐射源识别(SEI)的关键是提取信号的无意调制。总体来讲，目前信号分选方面国内外主要采用以下几种方法：模板匹配法、PR1分选、多参数关联比较及多参数分选、聚类分选、人工智能和神经网络方法、基于脉内特征分选。特征参数有助于减少多参数空间的交迭概率，因此可能对辐射源信号的分选识别提供新的依据和思路。但现在的信号特征研究还很初步，成果零散，且多集中在少数几种辐射源信号的脉内参数测量和估计上，还远未从信号分类的角度和意义上去提取和研究信号的特征，因此对辐射源信号的分选识别还远远不够。本文从实际分选信号出发，在聚类和PR1

6、分选的基础上，引入相似性结构片段提取、拟周期结构检验与提取，发现信号的固有特征，最终用该特征进行分选。同时在一定程度上克服了信号的严重交叠和信号数据缺失的影响。1主要思路与算法传统的信号分选思路如图1所示，其中椭圆符号代表循环过程，PDW为脉冲描述字。*收稿日期：2013-11-11；修订日期：2014-02—19基金项目：中国工程物理研究院科学技术发展基金项目(2013A0403020)；北京数学与信息交叉科学2011协同创新项目作者简介：沈卫超(1971一)，男，硕士，主要从事大规模数据管理与数据挖掘研究；swc@iapcm．ac．cn。通信作者：陈虹(1963一)，女，博士，主要从事大

7、规模数据管理与数据挖掘研究；chenhong@iapcm．ac．cn。．l强激光与粒子束图1传统基于五大参数分选思路图本文计算方法和研究思路除了采用传统的基于五大参数分选及PR1分选外，引入了PRI特征提取、拟周期性数据提取、不确定度量化、相似性结构片段提取的方法。主要思路如图2所示。图2本文分选思路图其中椭圆符号代表循环过程，实线框内为引入的新的分选算法实现分选的功能，虚线框部分代表目前没有开展具体研究工作