论文部分内容阅读
通信信号指纹特征提取与个体识别是新兴的研究领域,在通信对抗和电子侦察中起到至关重要的作用,具有重要战略意义。虽然关于通信个体的指纹机理还没有完善的理论证明,但是现有的基于个体信号无意调制的稳态特征的指纹特征提取已经取得一定进展,指纹机理主要是基于辐射源功放的非线性特性展开研究,它以信号为载体,具备指纹的唯一性、独立性、稳定性要求,其可测性也正是指纹特征提取与个体识别的研究重点。本文基于功放非线性的指纹机理对个体进行建模,从通信信号稳态特征出发,展开了对非协作的、发射相同格式和参数的信号、携带不同指纹的个体的指纹特征提取算法和个体识别系统的研究。主要研究工作如下:(1)分析了通信辐射源指纹特征提取与个体识别的研究背景、目的和意义,从瞬态特征和稳态特征两方面,分析了国内外对个体指纹特征的研究现状。(2)分析了通信辐射源的指纹机理并对个体进行行为建模。认为指纹机理依赖于辐射源功放的非线性特性,对功放的非线性失真和记忆效应进行了理论分析;建立了无记忆功放个体模型(Taylor模型)和记忆功放个体模型(MP模型);通过设定不同的模型参数,得到了具有不同指纹的个体,并对个体AM/AM和AM/PM分布特性进行了分析,说明个体模型的合理性。(3)研究了基于HHT时频谱的指纹特征提取与个体识别。分析了HHT时频谱能量熵和颜色矩(HHT-EC)、HHT时频谱相关度(HHT-CD)和HHT时频谱Fisher块(HHT-Fisher)三种指纹特征;结合SVM分类器在AWGN环境下,对采用不同调制信号(QPSK或QAM)、不同个体模型(Taylor模型或MP模型)的多种情况进行了个体识别仿真实验,验证了三种指纹算法在个体识别中的有效性。(4)提出了基于近似熵(ApEn)的指纹特征提取算法与个体识别。针对不同个体信号具有不同的非线性复杂度的特性,利用ApEn和EMD工具从多维IMFs衡量信号的非线性作为指纹特征;并且针对通信信号的特点,对ApEn提出了改进的dApEn和spApEn算法,利用MIX过程和Logistic序列验证了改进算法的相对一致性和抗噪性有显著提升;结合SVM分类器,在AWGN环境下对多种情况进行了个体识别仿真实验。结果表明,基于ApEn指纹特征的个体识别系统的识别概率和识别抗噪性比基于HHT时频谱的方案都有了显著提升。(5)提出了基于流形学习和稀疏描述思想的个体指纹识别算法。首先将双谱作为个体指纹;数据降维部分,利用流形学习中的LPP算法,考虑监督学习和类别信息得到二维监督判决LPP算法,有效降低了数据维度并保持个体指纹信息;匹配识别部分,利用基于K近邻的稀疏描述思想对降维指纹进行稀疏描述和误差分类(K-SDC和K-FSC算法),相比较于全局表示方法(GDC)提升了算法效率。同样对多种情况进行了个体识别性能仿真实验。结果表明,相比较于GDC方法,K-SDC和K-FSC算法都取得了更优的识别效果,证明了稀疏描述在个体指纹识别中的有效性;且该个体识别系统不仅具有良好的识别概率、识别抗噪性,并在识别一致性上具有最佳性能,能适应不同信号调制方式的识别场景。