论文部分内容阅读
在通信对抗领域，电子支援系统的主要工作内容包括对通信辐射源的电磁信号进行侦察、截获、识别及定位。随着辐射源系统复杂程度的提高，以及新的调制方式的应用，通信辐射源特征识别技术需要面对更加恶劣的电磁环境和更加复杂的研究对象。新的环境下，原本的通信辐射源的特征识别方法不仅需要更多的实验样本，而且存在识别效率低，识别性能下降等问题。针对这些问题，本文提出了一种应用softmax回归对通信辐射源信号的循环谱进行多分类识别的方法。论文的研究内容主要包括： 1、针对通信辐射源特征提取困难、需要样本数多的问题，从通信辐射源特征产生机理分析入手，寻找能够作为通信辐射源特征识别的特征提取方法，分析了循环谱的物理本质和计算方法，提出一种基于循环谱密度的通信信号特征提取方法。采用该方法对信号的循环谱自相关函数进行傅里叶变换得到信号的循环谱，并对五种典型的调制信号进行特征提取仿真，实验证明利用循环谱算法可以在低信噪比下有效提取适合进行分类识别的通信辐射源信号特征。 2、研究了三种通信辐射源特征的分类识别方法，并对这三种分类器的性能进行分析对比，在此基础上，构建了循环谱结合PCA与softmax级联的多分类识别器进行辐射源识别，其通过PCA算法对特征向量进行降维，能进一步缩短识别的时间。而后，通过MATLAB仿真实验对多种调制信号组成的混合信号进行分类识别，证明该方法在无需知道混合信号的先验信息的情况下，可以正确识别出其中每个调制信号的调制方式。 3、通过HackRF one录制手机信号，基于虚拟仪器平台进行真实辐射源下的算法测试实验。实验结果表明，在大量测试样本数的情况下，本文提出的多分类识别器相比传统通信辐射源信号识别器及高维softmax回归的多分类识别器，有着更高的正确识别率和更短的识别时间。