通信輻射源指紋識別技術(shù)
加入技術(shù)交流群
2．3 通信信號指紋識別分類器
在統(tǒng)計模式識別中，分類器即分類算法的基本任務是根據(jù)某一準則把一個給定的由特征向量表示的輸入歸入到一個適當?shù)奶卣黝悇e，即實現(xiàn)從特征空間到?jīng)Q策空間的轉(zhuǎn)換，從而完成特征類的分類任務。
目前常用的分類器是基于統(tǒng)計決策理論的參數(shù)和非參數(shù)分類算法，如線性和廣義線性決策函數(shù)，k-最近鄰算法(K-NN)，二元分類樹等。如果待識別特征的概率密度函數(shù)已知或可以通過樣本得到精確估計，那么這些分類算法可以得到最佳識別性能，但是在通信信號指紋識別問題中，這些條件很難滿足，傳統(tǒng)分類器難以獲得滿意的個體識別性能。主要缺點是識別率低、穩(wěn)健性差。
決策理論的發(fā)展克服了傳統(tǒng)分類器的不足，提出了更先進的不確定性推理理論，在此基礎(chǔ)上，分類器識別性能得到了顯著提高。其中，神經(jīng)網(wǎng)絡(luò)分類器作為一種先進的自適應、非參數(shù)和非線性分類器。為進行信號模式識別開辟了一條新途徑。神經(jīng)網(wǎng)絡(luò)是一種以自組織、自適應和大規(guī)模分布式并行計算為特征的非線性信號處理系統(tǒng)，具有強大的模式識別分類和泛函逼近能力，并具有良好的容錯性。
組合分類器是近年來提出的一個新課題，指通過一個組合器對不同分類器的輸出作第二次判決，由于融合了多個分類器的決策，所以可以得到更好的分類性能，而其中的每個分類器都不要求是最優(yōu)的，為通信信號的識別提供了新途徑。
3 一種基于證據(jù)理論的個體識別方案
文中對通信信號指紋的研究主要采用“機理研究-特征分析-特征提取-分類實驗”的方法，其中由于實際通信信號信噪比變化范圍大，容易導致識別率下降，直接影響分類器的分類性能?；贒-S證據(jù)組合原理進行分類器設(shè)計，可以由不同類別指紋特征參量集進行特征提取，下面給出一種基于證據(jù)理論組合分類器的輻射源個體識別的設(shè)計方法，其結(jié)構(gòu)如圖2所示。本文引用地址：http://butianyuan.cn/article/155187.htm
對于接收到的通信信號，首先通過通信信號預處理，再進行指紋特征提取，通過確立通信信號的載頻、調(diào)制參數(shù)及雜散成分特性為穩(wěn)態(tài)信號指紋，可以對上述特征運用時域、頻域分析方法和現(xiàn)代時頻域和高階譜方法進行特征分析提取。在分類器設(shè)計方面，第一級分類器可以選用特征參數(shù)值域判別法、信號模本匹配識別法等方法實現(xiàn)第一級分類，第二級采用并行組合分類器，這樣將高維特征空間的判分問題轉(zhuǎn)化為針對不同低維空間進行劃分的問題，再對第一級分類器的輸出作第二次判決。這樣，融合了多個分類器的決策，能夠獲得較好的分類性能。
D-S證據(jù)組合分類器對獨立的信息才能進行融合，其關(guān)鍵在于基本概率分配函數(shù)(BPA)的確定。文獻認為如果各分類器使用不同的特征集或訓練集，則可認為不同分類器結(jié)果之間是獨立的。因而，文中利用不同的輻射源個體特征訓練不同的成員分類器，并進行D-S證據(jù)理論組合，可以根據(jù)需要選擇合適的證據(jù)組合規(guī)則進行通信輻射源類別的判斷。
4 結(jié)束語
隨著通信技術(shù)的飛速發(fā)展，通信體制和調(diào)制樣式更加復雜多樣，通信電臺的配置數(shù)量不斷增加，常規(guī)電子偵察采用的信號特征，如載波頻率、調(diào)制樣式和調(diào)制參數(shù)等在復雜多變的信號環(huán)境下，已難以滿足現(xiàn)代戰(zhàn)場的需求。通信輻射源識別主要研究體現(xiàn)同類輻射源之間個體差異的信號指紋的分析提取技術(shù)。分析了通信輻射源的指紋選擇問題，對信號指紋進行通信輻射源的機理進行分析，對目前通信信號的指紋識別的常用方法進行了總結(jié)，并提出了一種基于證據(jù)理論的通信輻射源指紋識別方法。
評論