999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

輻射源個體識別中的模板分段尋優算法

2016-12-20 08:11:44陳沛鉑
現代雷達 2016年3期
關鍵詞:特征

陳沛鉑,李 綱

(國防科學技術大學 電子科學與工程學院, 長沙 410073)

?

·信號處理·

輻射源個體識別中的模板分段尋優算法

陳沛鉑,李 綱

(國防科學技術大學 電子科學與工程學院, 長沙 410073)

雷達輻射源個體識別,是當今電子戰研究的重點課題。動態時間規整能夠對雷達輻射源進行距離測度,實現雷達輻射源個體識別中的目標匹配。模板的好壞將直接影響到匹配效果,動態時間規整運算量大,使得傳統模板尋優方法時間復雜度相當高,不適于實際工程需要。故提出了一種模板分段尋優算法,在保證模板有效性的前提下降低了模板尋優的耗時。最后,通過仿真驗證了模板分段尋優算法的可行性。

輻射源個體識別;目標匹配;動態時間規整;模板分段尋優

0 引 言

雷達輻射源個體識別,即識別同型號的雷達輻射源,是當今電子戰研究的重點課題,已成為決定整個戰爭勝敗的關鍵技術。目標匹配是雷達輻射源個體識別中的重要環節,指紋特征的選取,指紋特征的距離測度,以及指紋特征的模板尋優是實現雷達輻射源目標匹配的三大步驟。

雷達輻射源的個體差異源于其內部各種元器件的細微差異,瞬時幅度和瞬時頻率的波形結構中就蘊含了這種差異[1-2]。早先的研究工作主要集中在提取瞬時幅度和瞬時頻率的各種參數,將其作為雷達輻射源的指紋特征[1-5]。這些指紋特征并不能全面的反映雷達輻射源的個體差異,并且特定的指紋特征只適用于對少數幾種型號的雷達輻射源實現目標匹配,泛化性能不好。本文直接把瞬時幅度和瞬時頻率設定為指紋特征,通過波形匹配實現同型號雷達輻射源的目標匹配。

基于各種參數的指紋特征,其維數是一樣的。對于該種維數相同的指紋特征,早先的研究者多采用歐氏距離、絕對值距離、切氏距離、明氏距離和馬氏距離等方法實現指紋特征的距離測度[6]。由于輻射源自身的不穩定,接收機測量水平的限制,以及外界環境的干擾,輻射源瞬時幅度和瞬時頻率均呈現出一種彎折現象,動態時間規整(DTW)算法[7-9]能夠消除彎折現象給目標匹配帶來的負面影響,實現對本文指紋特征的距離測度。

指紋特征模板的好壞決定了目標匹配效果,多數研究者采用指紋特征的累加平均作為標準模板[6,10-11]。這種方式獲取的模板易受數值偏差較大的特征影響,且沒有考慮模板與指紋特征的距離測度關系,故用累加平均建立模板的方法不適用于本文。把類內平均DTW測度值最小的指紋特征作為標準模板是較為合適的,通過該種模板尋優方式,能夠尋找到全局最優模板。但是DTW測度運算量大,使得模板全局尋優的時間復雜度相當高。為滿足實際工程需要,本文提出了一種模板分段尋優算法,在保證模板有效性的前提下降低了模板尋優的耗時。

本文將依次介紹動態時間規整測度,模板分段尋優算法,以及動態時間規整測度融合,并通過仿真驗證了模板分段尋優算法在雷達輻射源個體識別課題中的可行性,并對實驗結果進行了分析。

1 動態時間規整測度

動態時間規整是將時間規整和距離測度結合起來的一種非線性規整技術。假設兩個波形X和Y的矢量序列分別為X={x1,x2,…,xI}和Y={y1,y2,…,yJ},且I≠J,則動態時間規整就是尋找一個時間規整函數j=w(i),它將X波形的時間軸i非線性地映射到Y波形的時間軸j上,并使該函數w滿足

(1)

式中:d(xi,yw(i))是波形X的第i個矢量xi和波形Y的第w(i)個矢量yw(i)的歐氏距離測度。|i-w(i)|

圖1 動態時間歸整過程

DTW測度以總的累計距離最小為原則,通過逐點尋優匹配,尋找到波形X中最能表征其個體差異的子序列X={x(1),x(2),…,x(L)},L

2 模板分段尋優算法

在選定DTW對指紋特征進行距離測度后,指紋特征模板,即瞬時幅度模板和瞬時頻率模板的選取也是至關重要的。模板與本類所有指紋特征的距離測度取值應當較小,與非本類所有指紋特征的距離測度取值應當較大。把類內平均DTW測度值最小的指紋特征作為標準模板是較為合適的,通過該種模板尋優方式,能夠尋找到全局最優模板。

假設某雷達輻射源的指紋特征模板尋優集為W={w1,w2,…,wN},N為特征總數。dij=dDYW(wi,wj)為特征wi和wj的DTW距離。若

(2)

模板分段尋優算法的具體步驟如下:

分段尋優算法如圖2所示。

圖2 模板分段尋優示意圖

由步驟1和步驟2可知,模板分段尋優算法共需做DTW測度的次數為

(3)

模板分段尋優算法的時間復雜度遠遠低于模板全局尋優方法,符合實際工程需要。另外,通過后續仿真實驗會發現,盡管分段尋優算法的時間復雜度降低了,但是其指紋特征模板的有效性并沒有降低。

3 DTW測度融合

假設共有M部雷達輻射源,其瞬時幅度模板和瞬時頻率分別記為wA1,wA2,…,wAM和wF1,wF2,…,wFM。某一待測脈沖信號的瞬時幅度和瞬時頻率分別記為:wA和wF。其中wA與各瞬時幅度模板的DTW測度值記為:dA1,dA2,…,dAM,wF與各瞬時頻率模板的DTW測度值記為:dF1,dF2, …,dFM。則該待測脈沖信號隸屬于各雷達輻射源的隸屬度為

i=1,2,…,M

(4)

4 實測數據實驗

本文所用數據源于實測的六部同型號雷達信號,分別記為:A、B、C、D、E、F,實驗流程如圖3所示。

圖3 實驗流程圖

首先對實測數據進行預處理,包括濾波去噪和脈沖檢測,獲取雷達輻射源的脈沖信號。將每部雷達輻射源第一次被獲取的脈沖信號集作為模板尋優集,第二次被獲取的脈沖信號集作為測試集。各雷達輻射源的尋優集和測試集的具體分配情況如表1所示。利用希爾伯特變換,求得各脈沖信號的瞬時幅度和瞬時頻率,并對瞬時幅度歸一化,瞬時頻率中心化。

表1 脈沖信號集的分配情況

其次依次采用模板全局尋優方法,r=10、r=20、r=30、r=40的模板分段尋優算法對各模板尋優集對應的瞬時幅度模板尋優集和瞬時頻率模板訓練集進行模板尋優,獲取各雷達輻射源的瞬時幅度模板和瞬時頻率模板,并記錄各模板尋優算法的耗時。其中某一包含500個瞬時幅度的尋優集在各模板尋優算法下的時間復雜度如表2所示。

表2 模板尋優算法的時間復雜度

最后將每部雷達輻射源測試集中的脈沖信號對應的瞬時幅度和瞬時頻率分別與各部雷達輻射源的瞬時幅度模板和瞬時頻率模板進行DTW測度。并對瞬時幅度和瞬時頻率的DTW測度值進行數據融合,并依據最大隸屬度原則判定待測脈沖信號的隸屬問題。各組模板尋優算法下的目標匹配率,如表3~表7所示。

表3 基于模板全局尋優算法的目標匹配率 %

模板測試集模板全局尋優ABCDEFA95.9700.2003.830B0100.000000C2.40097.60000D000100.0000E0000100.000F1.20000.60098.20

表4 基于模板分段尋優算法的目標匹配率(r=10)%

模板測試集模板分段尋優(r=10)ABCDEFA94.9600.4004.640B0100.000000C2.64097.36000D000100.0000E0000100.000F1.80000.60097.60

表5 基于模板分段尋優算法的目標匹配率(r=20)%

模板測試集模板分段尋優(r=20)ABCDEFA95.7700.2004.030B0100.000000C3.02096.98000D000100.0000E0000100.000F1.80000.60097.60

表6 基于模板分段尋優算法的目標匹配率(r=30) %

模板測試集模板分段尋優(r=30)ABCDEFA95.3600.2004.440B0100.000000C3.40096.60000D000100.0000E0000100.000F1.40000.60098

表7 模板分段尋優算法下的目標匹配率(r=40) %

模板分段尋優算法所耗費的時間遠遠低于模板全局尋優算法,并且基于這兩種尋優算法的目標匹配率也基本保持一致。這說明模板分段尋優算法在降低時間復雜度的基礎上,保證了較高的匹配率,能夠替代傳統的模板全局尋優算法,以實現雷達輻射源個體識別中的目標匹配任務。

以不同數目r分組尋優的匹配結果也是基本保持一致的。這說明模板分段尋優算法對于分組數并不敏感,具有較好的穩定性。所以r=10的模板分段尋優算法最符合實際工程需要,能夠做到對目標又準又快地匹配。

5 結束語

動態時間規整能夠實現對同型號雷達輻射源的距離測度,但是動態時間規整的運算量大,使得傳統模板尋優方法時間復雜度相當高,不適于實際工程需要。本文提出的模板分段尋優算法在保證模板有效性的前提下降低了模板尋優的耗時。實現了對雷達輻射又準又快的目標匹配效果。

[1] DAVY J. Data modeling and simulation applied to radar signal recognition[J]. Provincial Medical & Suargical Journal, 2005, 26(25): 165-173.

[2] KAWALEC A, OWCZAREK R. Specific emitter identification using intrapulse data[C]// European Radar Conference.[S.l.]: IEEE Press, 2004: 249-252.

[3] KLEIN R W. Application of dual-tree complex wavelet transforms to burst detection and RF fingerprint classification[D]. [S.l.]: Air Force Institute of Technology, 2009.

[4] LI J C, LI Y B, LIN Y. LFM signal parameter estimation based on holder coefficient algorithm[J]. Journal of Computational Information Systems, 2012, 14(8): 5749-5756.

[5] 王宏偉, 趙國慶, 王玉軍. 基于脈沖包絡前沿高階矩特征的輻射源個體識別[J]. 現代雷達, 2010, 32(10): 42-49. WANG Hongwei, ZHAO Guoqing, WANG Yujun. Specific emitter identification based on higher order moment of the envelope's front edge[J]. Modern Radar, 2010,32(10):42-49.

[6] DUDCZYK J, KAWALEC A, CYREK J. Applying the distance and similarity functions to radar signals identification[C]// International Radar Symposium. [S.l.]: IEEE Press, 2008.

[7] SHORTEN G P, BURKE M J. The application of dynamic time warping to measure the accuracy of ECG compression[J]. International Journal of Circuits, Systems and Signal Processing, 2011, 5(3): 305-313.

[8] JEONG Y S, JEONG M K, OMITAOMU O A. Weighted dynamic time warping for time series classification[J]. Pattern Recognition, 2011, 44(9): 2231-2240.

[9] GULAKER V. Speech recognition by human and machine[D]. Trondheim: Norwegian University of Science and Technology, 2010.

[10] MATUSZEWSKI J. The radar signature in recognition system database[C]// 19th International Conference on Microwaves, Radar and Wireless Communication. [S.l.]: IEEE Press, 2012: 617-622.

[11] MATUSZEWSKI J. The specific radar signature in electronic recognition system[J]. Przeglad Elektrotechniczny, 2013(89): 236-239.

陳沛鉑 男,1988年生,博士研究生。研究方向為現代信號處理。

李 綱 男,1966年生,副教授,碩士生導師。研究方向為現代信號處理。

Template Segmenting Optimization Algorithm in the Spectific Emitter Identification

CHEN Peibo,LI Gang

(College of Electronic Science and Engineering,National University of Defense Technology, Changsha 410073, China)

Nowadays, much attention of the study in electronic warfare research is paid to the specific radar emitter identification which is a key subject in the field. Dynamic time warping (DTW) algorithm is chosen to realize the target matching in the specific radar emitter identification. Matching results are greatly influenced by the quality of the templates. Because of DTW's computational cost, the time-complexity is much higher when using the traditional template optimization method, which is impractical and useless. A Template segmenting optimization is introduced, which possesses excellent performance in time-saving and effectiveness. Finally, the feasibility of the algorithm is validated through the simulation.

specific emitter identification; target matching; dynamic time warping; template segmenting optimization

10.16592/ j.cnki.1004-7859.2016.03.009

陳沛鉑 Email:chenpabor@qq.com

2015-10-21

2015-12-23

TN974

A

1004-7859(2016)03-0043-04

猜你喜歡
特征
抓住特征巧觀察
離散型隨機變量的分布列與數字特征
具有兩個P’維非線性不可約特征標的非可解群
月震特征及與地震的對比
如何表達“特征”
被k(2≤k≤16)整除的正整數的特征
中等數學(2019年8期)2019-11-25 01:38:14
不忠誠的四個特征
當代陜西(2019年10期)2019-06-03 10:12:04
詈語的文化蘊含與現代特征
新聞傳播(2018年11期)2018-08-29 08:15:24
抓住特征巧觀察
基于特征篩選的模型選擇
主站蜘蛛池模板: 最新加勒比隔壁人妻| 亚洲精品成人7777在线观看| 国产精品片在线观看手机版| 成人福利视频网| 高清国产在线| 97视频精品全国免费观看| 91久久性奴调教国产免费| 日韩成人高清无码| 国产专区综合另类日韩一区| 日韩成人午夜| 国产一二三区视频| 看看一级毛片| 国产精品视频猛进猛出| 依依成人精品无v国产| 精品国产一二三区| 日韩欧美中文| 国产天天射| 暴力调教一区二区三区| 国产尤物在线播放| 性喷潮久久久久久久久| 久久人妻xunleige无码| 白浆免费视频国产精品视频 | 亚洲自偷自拍另类小说| 无码精品国产VA在线观看DVD| 色综合久久综合网| 国内精品免费| 成人在线综合| 国产成人无码久久久久毛片| 国产成人精品亚洲77美色| 无码精油按摩潮喷在线播放| 亚洲精品无码久久久久苍井空| 亚洲综合天堂网| 国产夜色视频| 青青青国产精品国产精品美女| 五月婷婷综合在线视频| 亚洲aⅴ天堂| 午夜激情婷婷| 午夜电影在线观看国产1区| 亚洲欧美综合另类图片小说区| 久久精品一卡日本电影| 久久国产精品娇妻素人| 国产精品浪潮Av| 国产精品99一区不卡| 亚洲成A人V欧美综合| 2019年国产精品自拍不卡| 亚洲中文字幕久久无码精品A| 亚洲精品日产精品乱码不卡| 国产福利小视频在线播放观看| 四虎成人在线视频| 日韩在线影院| 精品国产成人av免费| 午夜性刺激在线观看免费| 亚洲美女久久| 97国产一区二区精品久久呦| 久久99精品久久久久纯品| 毛片基地视频| 国产尤物jk自慰制服喷水| 日本91视频| 日韩区欧美国产区在线观看| 日韩欧美高清视频| 五月天综合婷婷| 91青青草视频在线观看的| 成人午夜亚洲影视在线观看| 国产成人高清亚洲一区久久| 91娇喘视频| 国产精品人人做人人爽人人添| 在线免费a视频| 波多野结衣一区二区三区AV| 欧美成人怡春院在线激情| 日本欧美中文字幕精品亚洲| 天天摸天天操免费播放小视频| 国产凹凸一区在线观看视频| 亚洲成a∧人片在线观看无码| 伊人五月丁香综合AⅤ| 好吊色妇女免费视频免费| 中文字幕色站| 日韩区欧美区| 超级碰免费视频91| 国产va在线观看| 亚洲伊人电影| 免费无码AV片在线观看中文| 高清无码不卡视频|