雷达辐射源指纹特征提取与识别

作     者：安赛龙 

作者单位：哈尔滨工程大学 

学位级别：硕士

导师姓名：刘鲁涛

授予年度：2022年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

主      题：无意调制 辐射源个体识别 特征提取 支持向量机 频谱不对称性 

摘      要：雷达辐射源个体识别是获取敌方重要战略信息并借此把握战争走向的关键,因此在电子战对抗中具有举足轻重的意义。雷达辐射源个体识别的依据是信号的指纹特征,即辐射源内部元器件由于工艺原因或维护不当、老化等原因引起的寄生调制。随着电子技术的发展,各种新型雷达相继涌现,外部的电磁环境变得更加复杂,如何准确提取出信号的指纹特征并能正确识别出辐射源个体是至关重要的。为此本文首先对辐射源进行无意调制建模,并围绕特征提取和个体识别两个方面展开研究。最后提出了基于频谱不对称性的雷达辐射源个体识别方法,并用三部辐射源实测数据进行仿真验证。本文主要研究内容如下:首先,介绍了雷达发射机的基本结构,分析了无意调制的产生机理,并对发射机中振荡器和放大链产生的无意调制进行研究,发现无意调制的存在形式主要是相位噪声。然后分别对线性调频信号和二进制相移键控信号建立了各自的无意调制数学模型,并用加入不同相位噪声的三部辐射源进行了仿真实验,频谱和功率谱反映了不同辐射源输出信号的差异。其次,研究了指纹特征提取和个体识别方法。研究了基于信号包络、小波变换和1.5维谱的特征提取方法,并采用Relief-F算法来优化小波变换后的能量谱特征,剔除其中的无效特征,提升了特征的有效性;针对1.5维谱特征维度过高的问题,采用核主成分分析方法来降低特征的维度,去除特征中的冗余信息,只保留特征中具有代表性的特征信息。然后研究了粒子群和人工蜂群混合优化算法对支持向量机的参数进行优化,并用优化后的支持向量机对信号的包络特征、小波变换能量谱特征和1.5维谱特征进行分类。通过采集的三部辐射源数据进行仿真验证,在LFM信号类型下,当信噪比为5d B时,三种方法的识别率均可达到95%以上,然后验证了算法的泛化性。最后研究了一维卷积神经网络分类器对1.5维谱特征进行分类识别,在信噪比为5d B时,识别率可达到93.5%。最后,根据相位噪声的加入会造成LFM信号频谱不对称这一现象,提出了基于频谱不对称性的雷达辐射源个体识别方法,通过对频谱不对称性的评估来实现辐射源的个体识别。通过对五组辐射源个体的仿真实验,发现该方法性能稳定,即使是信噪比在-5d B的条件下,也有95.83%的正确识别率。