基于权重归一化奇异值分解的辐射源信号识别研究

• 作者: 姚萍 苑霸 郑天垚
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 奇异值分解 调制类型识别 辐射源信号识别 机器学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: ?
• 页码范围: 44-53
• 页数: 10页
• 分类号: TN957.51
• 字数: 6709字
• 语种: 中文

摘要

随着现代技术不断更新，雷达种类及相关技术得到不断发展，雷达辐射源信号的识别逐渐成为一个十分重要的研究领域。该文主要针对辐射源信号识别中的调制类型识别问题，从数据能量角度出发，在奇异值分解(Singular Value Decomposition, SVD)基础上进行优化，提出基于权重归一化奇异值分解特征提取算法。该文从奇异值分解的滤波效果、数据矩阵行数对分解结果的影响及不同分类模型识别效果等方面进行分析。实验结果表明该算法对常用雷达信号有较好滤波和识别效果，在–20 dB条件下滤波重构信号与原始信号余弦相似度值仍保持在0.94左右，在判别置信度\begin{document}$\alpha $\end{document}为0.65条件下识别正确率仍维持在97%以上。此外实验还表明相对于传统PCA算法，基于权重归一化奇异值分解特征提取算法拥有更好的鲁棒性。