ReliefF算法在雷达辐射源信号识别中的应用.pdfVIP

2第03l21耄年第6月 成都大学学报(自然科学版) Vb1．31 NO．2 JournalofChengduUniversity(NaturalScienceEdition) Jun． 2Ol2 文章编号：1004—5422(2O12)O2—0151—03 ReliefF算法在雷达辐射源信号识别中的应用 杨志新 ，段美军 (1．西南交通大学信息科学与技术学院，四川 成都 610031；2．西南交通大学 电气工程学院，四川成都 610031) 摘 要：采用小波包变换提取雷达辐射源信号特征能够有效对信号进行识别，然而，由小波包变换提取的信号 特征雏数高，部分信号特征受噪声污染严重．基于此，采用Re]ie_tF算法对信号特征的分类能力进行评价，选择 出小波包中分类能力强的信号特征，再通过特征相关度算法去除分类能力相近的冗余特征 ，利用剩余的分类能 力强的信号特征组成特征向量进行分类．仿真实验结果显示，该方法用较少的信号特征能够获得较高的正确识 别率 ． 关键词 ：雷达辐射源信号；小波包变换；Relie~算法；雷达辐射源信号特征 中图分类号：TN911．6 文献标识码 ：A 针对RES的具体特点，其信号特征提取的详细算法 O 引 言 步骤如下： 现代雷达通常集多种工作状态和多种体制于一 (1)信号预处理 ，将采样后的离散信号从时域变 体，为提高自身的性能和抗干扰能力，其信号常采用 换到频率域，并在频率域中对信号能量进行归一化 多种复杂的波形．因此，除了用常规的载频、脉冲重 处理，以减小信号参数对特征的影响． 频等参数识别外，提取与雷达工作体制、用途和工作 (2)将预处理后的信号进行 层小波分解，并 状态密切相关的脉内调制特性是关键 [】’2】．小波包变 分别提取第 层从低频到高频的2个频率成分的 换由于既能对信号进行多分辨率分析，又能精细地 信号特征．本研究选择 S‘ymlets’小波函数 (s‘ym6’) 描述信号的时变特征而受到极大关注，成为信号处 S‘hannon’熵来分解 ． 理的重要工具之一，并在 多个领域得 到广泛应 (3)重构第 ￡层的2‘个小波包系数，提取出各 用 I5．但是，由于雷达幅射源信号 (胍S)各频段特 频带的信号，计算信号各个频带的能量，计算公式 征抗噪能力和分类能力强弱不一，因此，有必要对各 为， 频段特征分类能力进行评价，选择出分辨力强的信 ^ n = Jl1．sⅡ(t)12dt=∑ l I (1) 号特征，剔除冗余的信息，以降低特征向量的维数和 =1 简化分类器的设计．为此，本文提出一种基于小波包 式中，既 和 (t)分别表示第 层第 i个频带信号 变换与Relieff算法的RES识别方法，其思路是，先 能量和重构信号， 表示第 个频带信号的第j|}个离 采用小波包变换对 RES进行多分辨率分析以提取 散点的幅值，rL为重构信号．s(￡)的长度．当 i=0， 出各频段的信号特征，然后用 Relieff算法对各个频 1，2，…，2 时，可以得到第 ￡层所有频带的信号能 段特征的分类能力进行评价，从而选出分类能力强 量 ． 的信号特征组成特征向量． (4)将各个频带的信号能量组成特征向量，即，