如需要完整文档点击下方 "点击下载文档" 按钮

将雷达信号的近似熵(ApEn) 和范数熵( NoEn)提取出构成特征向量,用粒子群优化的支持向量机进行分类识别,得到结果发现对于相似的特征向量识别正确率较低。 为了提高雷达辐射源个体的识别正确率,提出了一种基于变分模态分解(variational mode decomposition,VMD) 和熵特征相结合的多维特征雷达辐射源信号识别方法。 首先利用 VMD 算法对各雷达信号进行分解,得到两个本征模态组合函数,因为不同的雷达信号分解成各个模态的中心频率也是不同的,然后组合中心频率特征与近似熵、范数熵特征进行特征融合构成 4 维特征向量,最后使用粒子群支持向量机( particle swarmoptim-ization support vector machine,PSOSVM) 对辐射源信号进行识别。 实验结果表明,经过特征融合构成的特征向量展示了更好的识别效果。 集聚多种特征的识别优势来提升雷达辐射源信号识别准确率,相比于原来单一熵特征结合识别方法在分类效果上更具有优势。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 VMD 和熵特征的雷达辐射源信号识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061349

点击下载文档