基于小波熵的辐射源指纹特征提取方法-论文.pdf

《基于小波熵的辐射源指纹特征提取方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第4期数据采集与处理V01．29No．42014年7月JournalofDataAcquisitionandProcessingJu1．2O14文章编号：1004—9037(2014)04—0631—05基于小波熵的辐射源指纹特征提取方法徐玉龙王金明徐志军陈志伟周坤(解放军理工大学通信工程学院，南京，210007)摘要：在对辐射源信号进行小波分析的基础上，提出一种基于小波熵的辐射源指纹特征提取方法。首先计算辐射源信号的功率谱，对功率谱进行连续小波变换，提取不同尺度下小波系数的熵特征作为辐射源信号指纹特征。识别分类器采用概率神经网络，对2O部手持机进行识别实验，并与传统矩形积分

2、双谱进行对比。实验结果表明，该方法能够把辐射源信号的时频特性信息通过小波系数的熵特征映射到特征向量中，从而实现对辐射源个体的有效识别，而且该特征参数对噪声干扰不敏感，在信噪比为20dB时，系统识别率达到95以上，在信噪比为5dB时系统识别率仍优于8O，验证了所提方法的有效性。关键词：辐射源识别；小波熵；指纹特征中图分类号：TN9l1．72文献标识码：AFingerprintFeatureExtractionMethodforEmittersBasedonWaveletEntropyXuYulong，WangJinming，XuZhijun，ChenZhiwei，ZhouKun(Col

3、legeofCommunicationsEngineering．PLAUniversityofScience&Technology，Nanjing，210007，China)Abstract：Basedonwaveletanalysisoftheemitters，anewfingerprintfeatureextractionmeth—odforemitteridentificationbasedonwaveletentropyisproposed．Firstly，thesignalpowerspectraarecalculated．Secondly，thewaveletcoeffi

4、cientsareextractedbycontinuewavelettransform．Finally，thewaveletentropyisextractedasafeaturevector．Usingneuralnetworkclassifier，thecomparativeexperimentswithtraditionalsquareintegralbispectrumarecarriedOutbasedontwentyinterphones．Theexperimentalresultsshowthatthemethodcanachieveindividualclassif

5、icationbytransferringthesignaltime—frequencycharacteristicstothefeaturevectorsthroughtheentropyofthewaveletcoefficients．Besides，theproposedmethodisinsen—sitivetonoise，andthesystemrecognitionrateisabove95andmorethan80withSNRsof2OdBand5dB，respectively．Keywords：emitteridentification；waveletentropy

6、；fingerprintfeature指纹特征来识别不同通信辐射源个体，它在军事通引目信对抗、民用无线电监测和无线电安全通信等领域具有十分重要的意义j。由于在通信设备的制造过程中元器件性能、生辐射源个体识别的关键是提取辐射源的指纹产工艺及安装调试等方面的随机离散性，必然使该特征，作为指纹特征应能充分代表辐射源个体的特通信设备的发射信号带有区别于其他同型号设备征，并具有可检测性和稳定性l_2]。目前，辐射源信的细微特征。如果能从不同设备的辐射信号中提号特征提取的方法主要有双谱分析[3“]、时频分取出反映该设备个体属性的指纹特征，就可以在截析等。小波分析属于时频分析的一种，是一种获的通信

7、信号中快速地将每个信号对应的通信设信号时间一尺度分析方法，它在时域和频域都具有备区分开来，实现对通信信号个体属性的分析识良好的局部化性质和多分辨率分析的特点]。别。通信辐射源个体识别就是从通信信号中提取目前小波分析理论已成功应用到信号处理、图象处收稿日期：2012—08—29；修订日期：2012-10—18632数据采集与处理第29卷理、模式识别等领域_1。小波熵(Waveletentro—R，平移因子(U。∈R。py，WE)是小波变换和信息熵的结合，在信