期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于矩形积分双谱和核主分量分析的电台指纹识别 被引量:7
1
作者 刘明骞 李兵兵 吴启军 《西北大学学报(自然科学版)》 CAS CSCD 北大核心 2011年第1期43-47,共5页
目的解决传统的积分双谱特征维数比较大而导致分类器的稳健性和电台的正确识别率下降的问题。方法首先选择矩形积分双谱作为识别的特征参数,然后采用了核主分量分析方法进行降维,最后采用基于核函数的支持向量机分类器(SVM)实现对电台... 目的解决传统的积分双谱特征维数比较大而导致分类器的稳健性和电台的正确识别率下降的问题。方法首先选择矩形积分双谱作为识别的特征参数,然后采用了核主分量分析方法进行降维,最后采用基于核函数的支持向量机分类器(SVM)实现对电台指纹的识别。结果给出一种方法,实现了同种型号相同调制方式的3部不同电台的识别。结论该算法有效地降低了特征维数,较大地提高了电台的正确识别率。 展开更多
关键词 电台指纹识别 矩形积分双谱 核主分量分析 支持向量机
在线阅读 下载PDF
矩形积分双谱和半监督鉴别分析下的通信辐射源识别 被引量:8
2
作者 韩国川 张金艺 +3 位作者 李科 何利康 姜玉稀 王涛 《上海大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第5期722-732,共11页
针对传统同类通信辐射源识别方法中存在的指纹特征难以提取,以及在先验标签信息较少时识别精度不高的问题,以指纹特征差异微小的同厂、同批、同型号的通信辐射源为对象,提出了一种基于矩形积分双谱和半监督鉴别分析的通信辐射源识别方法... 针对传统同类通信辐射源识别方法中存在的指纹特征难以提取,以及在先验标签信息较少时识别精度不高的问题,以指纹特征差异微小的同厂、同批、同型号的通信辐射源为对象,提出了一种基于矩形积分双谱和半监督鉴别分析的通信辐射源识别方法.该方法采用矩形积分双谱算法提取通信辐射源双谱特征,并将其作为指纹特征,以表征所属通信辐射源;同时,采用半监督鉴别分析算法,根据双谱特征数据的部分标签信息和非线性流形信息,将高维双谱特征数据映射到低维子空间后进行分类识别,来提升通信辐射源识别性能.为验证该方法的有效性,采用同厂、同批、同型号的FM电台作为同类通信辐射源的代表进行电台识别实验.实验结果表明,在FM电台训练样本中有先验标签信息的样本较少时,该方法对电台测试样本的识别率最高达87.6%,证明该方法在同类通信辐射源识别中指纹特征提取和识别精度方面具有优势. 展开更多
关键词 通信辐射源识别 特征提取 矩形积分双谱 半监督鉴别分析
在线阅读 下载PDF
结合时域分析和改进双谱的通信信号特征提取算法 被引量:21
3
作者 王欢欢 张涛 《信号处理》 CSCD 北大核心 2017年第6期864-871,共8页
传统的矩形积分双谱特征存在以下不足:第一是在以往的研究中没有讨论过积分路径个数对识别率的影响;第二是在矩形积分双谱算法中存在着部分积分路径对识别效果贡献不足、甚至带来负作用的缺点。为克服这些问题、解决辐射源信号个体识别... 传统的矩形积分双谱特征存在以下不足:第一是在以往的研究中没有讨论过积分路径个数对识别率的影响;第二是在矩形积分双谱算法中存在着部分积分路径对识别效果贡献不足、甚至带来负作用的缺点。为克服这些问题、解决辐射源信号个体识别问题,本文提出了一种基于改进双谱和时域分析相结合的通信信号个体识别方法,首先通过实验得到了积分路径和识别率的性能曲线,选定最佳积分路径个数;其后重新定义Bhattacharyya距离,剔除掉对识别效果贡献不足、具有负作用的积分路径,得到具有最大比重的双谱区间;最后结合信号的时域特征并利用支持向量机分类器进行个体识别。本文分别通过仿真信号和实际信号对所提出算法做出了验证,实验结果表明,该方法能够较好解决辐射源信号的个体识别问题,平均正确识别率高于95%。 展开更多
关键词 积分路径个数 改进矩形积分双谱 支持向量机 个体识别
在线阅读 下载PDF
基于双谱LLE降维的PUE攻击检测 被引量:1
4
作者 马强 郑文秀 卢光跃 《无线电通信技术》 2015年第5期29-32,45,共5页
针对认知无线电中的主用户仿冒攻击检测问题,给出了基于矩形积分双谱的局部线性嵌入降维算法,用于识别主用户(PU)和仿冒用户(SU)。选择矩形积分双谱作为识别特征参数,利用局部线性嵌入算法(LLE)进行特征数据约简,通过基于核函数的支持... 针对认知无线电中的主用户仿冒攻击检测问题,给出了基于矩形积分双谱的局部线性嵌入降维算法,用于识别主用户(PU)和仿冒用户(SU)。选择矩形积分双谱作为识别特征参数,利用局部线性嵌入算法(LLE)进行特征数据约简,通过基于核函数的支持矢量机(SVM)进行个体识别。实验结果表明,该方法具有较高的识别率,并能够较好解决PUE攻击检测问题。 展开更多
关键词 通信辐射源 矩形积分双谱 局部线性嵌入算法 支持矢量机 PUE攻击检测
在线阅读 下载PDF
基于高阶谱和时域分析的电台稳态特征提取算法 被引量:17
5
作者 钱祖平 许渊 +1 位作者 邵尉 陈金 《电子与信息学报》 EI CSCD 北大核心 2013年第7期1599-1605,共7页
该文针对稳态条件下通信电台指纹特征的提取问题,提出一种基于高阶谱和时域分析的电台稳态特征提取算法。首先对电台的稳态工作状态进行数学建模,分析现有双谱特征提取算法的不足。进而充分利用矩形积分双谱的周期性,并结合时域分析提... 该文针对稳态条件下通信电台指纹特征的提取问题,提出一种基于高阶谱和时域分析的电台稳态特征提取算法。首先对电台的稳态工作状态进行数学建模,分析现有双谱特征提取算法的不足。进而充分利用矩形积分双谱的周期性,并结合时域分析提出一种改进的电台稳态特征提取算法,从理论上证明了该算法适用于任意阶的高阶谱特征提取。最后,通过实测数据验证了该算法的有效性和可靠性。与传统矩形双谱特征提取算法相比,该算法将识别正确率从90%提高到97%;在识别率相同的情况下,该算法的效率相比原算法有了很大提升。 展开更多
关键词 信号处理 高阶分析 时域分析 矩形积分双谱 电台识别 稳态特征提取
在线阅读 下载PDF
基于半监督矩形网络的通信电台个体识别 被引量:15
6
作者 黄健航 雷迎科 《电子学报》 EI CAS CSCD 北大核心 2019年第1期1-8,共8页
通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监... 通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监督矩形网络编码器中有监督训练,其训练结果通过网络径向连接传给解码器,解码器再无监督学习,重构未污染的原始样本,从网络顶层提取电台个体特征,输入softmax分类器实现分类识别.在实际采集的电台数据集上的实验结果说明,本算法在小样本条件下相比现有算法能更准确识别同型号的电台个体. 展开更多
关键词 小样本条件 电台个体识别 半监督学习 矩形积分双谱 自编码器
在线阅读 下载PDF
多类型的雷达有源干扰感知新方法 被引量:11
7
作者 刘明骞 高晓腾 张俊林 《西安交通大学学报》 EI CAS CSCD 北大核心 2019年第10期103-108,121,共7页
针对雷达有源干扰可识别的类型有限且识别效果欠佳的问题,提出了一种多类型雷达有源干扰识别新方法。该方法首先利用变分模态分解对雷达有源干扰信号进行分解,得到具有不同中心频率带宽有限的固有模态分量,然后分别计算每个固有模态分... 针对雷达有源干扰可识别的类型有限且识别效果欠佳的问题,提出了一种多类型雷达有源干扰识别新方法。该方法首先利用变分模态分解对雷达有源干扰信号进行分解,得到具有不同中心频率带宽有限的固有模态分量,然后分别计算每个固有模态分量相应的矩形积分双谱,并计算其Renyi熵以组成特征参量,最后采用随机森林分类器将多个随机决策树的结果取众数,从而实现了雷达有源干扰类型的识别。仿真结果表明,所提方法不但能够有效地识别多种不同类型的雷达有源干扰,而且具有良好的抗噪声性能和稳健性。与基于熵理论的识别方法和基于时频特征的识别方法相比,当信噪比为5 dB时,压制式干扰识别率分别提高了0.33%和1.75%;与基于时频图的识别方法和基于时频分布的识别方法相比,当信噪比为0 dB时,拖引欺骗干扰识别率分别提高了3.89%和5.06%。 展开更多
关键词 雷达有源干扰 干扰识别 变分模态分解 矩形积分双谱 RENYI熵 随机森林
在线阅读 下载PDF
基于密度峰值算法的通信电台个体识别 被引量:2
8
作者 李昕 雷迎科 《信号处理》 CSCD 北大核心 2019年第7期1242-1249,共8页
由于通信电台信号的样本小,电台指纹特征弱,导致通信电台的个体识别准确度不高,本文首次提出了基于密度峰值算法进行通信电台个体识别,在不需要训练样本的条件下就能对通信电台进行个体识别。首先对信号进行矩形积分双谱变换,提取信号1&... 由于通信电台信号的样本小,电台指纹特征弱,导致通信电台的个体识别准确度不高,本文首次提出了基于密度峰值算法进行通信电台个体识别,在不需要训练样本的条件下就能对通信电台进行个体识别。首先对信号进行矩形积分双谱变换,提取信号1×L维矩形双谱特征,计算各个信号间的欧式距离,然后根据密度峰值算法的定义计算各个信号的密度ρ和δ,以ρ、δ为横坐标与纵坐标画二维图,找到聚类中心,对各个信号进行分类识别。与传统的通信电台分类识别方法相比,此方法运用的是机器学习中聚类的方法,是无监督的方法,不需要带标签的通信电台信号样本,在实际运用中会发挥更大的作用。 展开更多
关键词 矩形积分双谱变换 密度峰值算法 机器学习聚类 不需要电台信号样本
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部