一种辐射源个体特征提取方法
【技术领域】
[0001] 本发明涉及一种特征提取方法，特别是涉及一种辐射源个体特征提取方法。
【背景技术】
[0002] 辐射源个体识别技术在信号处理领域具有重要的意义。它需要在复杂的噪声环境 中识别出辐射源个体信号，从而为进一步分析和处理信号提供依据。现代通信系统中，通信 环境复杂多变，由于通信设备本身的测量误差以及传输环境中各种干扰的存在，使接收到 的信号特征参数跟真值相比具有一定的随机性和模糊性，这就使辐射源个体识别中的关键 环节一一特征提取成为了一个难题。因此，如何在复杂多变的电磁环境中以较小的计算复 杂度，较小的计算时间，在低信噪比下对辐射源个体达到较高的识别率，是现代通信系统研 宄的关键。
[0003] 现有的技术方法中，基于时域的特征参数提取算法计算相对简单，容易实现，但 是，提取到的特征参数容易受噪声的影响，适合于信噪比较高的环境，其应用范围因而受到 一定的限制。在频域内或时频域内对不同的信号进行频谱分析，进而对信号进行识别，相对 于简单的时域下的信号识别，具有更好的抗噪性能，应用较为广泛，特征提取的方法更是多 种多样，但其计算复杂度相对于时域特征提取算法较为复杂。从近几年来国内外学者发表 的文献中可以看出，信号的特征提取与识别理论越来越受到有关学者的重视，各种各样的 现代信号处理技术，其中包括小波理论、分形理论、人工神经网络、高阶统计量、谱相关理论 等，都开始或已经被应用到对该理论的研宄中。但是，如何在较低信噪比条件下有效的提取 信号的特征，并尽量减小计算方法的复杂度，仍没有被很好的解决，成为当前研宄的重点。
【发明内容】
[0004] 为克服上述现有技术存在的不足，本发明之目的在于提供一种辐射源个体特征提 取方法，在传统特征提取的基础上，对低信噪比下提取到的传统模糊特征构建云团模型，再 利用云模型理论的基本数字特征，来刻画特征云团的分布特性，从而实现更精细的信号特 征提取，本发明计算简单，且通过二次特征提取，实现更低信噪比下的辐射源个体识别。
[0005] 为达上述及其它目的，本发明提出一种辐射源个体特征提取方法，包括如下步 骤：
[0006] 步骤一，设每一个云滴（S(i))所对应的二维位置坐标为S(i) = (x(i)，y(i))，求 出所有云滴的均值（Ex);
[0007] 步骤二，对每一个云滴根据熵值公式求出熵值（En(i));
[0008] 步骤三，计算对应n个云滴的平均j：商值（En);
[0009] 步骤四，计算熵值（En(i))的均方差，利用上述结果根据超熵计算公式获得超熵 (He)〇
[0010] 进一步地，所述每个云滴为利用传统算法所提取到的二维特征。
[0011]进一步地，步骤一中，根据如下公式求出所有云滴的均值（Ex):
【主权项】
1. 一种辐射源个体特征提取方法，包括如下步骤： 步骤一，设每一个云滴（s(i))所对应的二维位置坐标为S(i)=(以1)，7(1))，求出所 有云滴的均值（Ex); 步骤二，对每一个云滴根据熵值公式求出熵值（En(i)); 步骤三，计算对应n个云滴的平均熵值（En); 步骤四，计算熵值（En(i))的均方差，利用上述结果根据超熵计算公式获得超熵（He)。
2. 如权利要求1所述的一种辐射源个体特征提取方法，其特征在于：所述每个云滴为 利用传统算法所提取到的二维特征。
3. 如权利要求2所述的一种辐射源个体特征提取方法，其特征在于：步骤一中，根据如 下公式求出所有云滴的均值（Ex):
其中，x(i)表示第i个云滴横坐标的数值大小，i= 1，2,…，n，n为云滴的个数。
4. 如权利要求3所述的一种辐射源个体特征提取方法，其特征在于，步骤二中，该熵值 公式为：
5. 如权利要求4所述的一种辐射源个体特征提取方法，其特征在于，步骤三中，根据下 曾苹构恼倌.
6. 如权利要求5所述的一种辐射源个体特征提取方法，其特征在于，步骤四中，该超熵 计筧公式为：
7. 如权利要求6所述的一种辐射源个体特征提取方法，其特征在于：所述待测样本 (S(i))与云滴群的重心值的距离，决定该样本属于该类别可能性的大小。
8. 如权利要求6所述的一种辐射源个体特征提取方法，其特征在于：所述熵值（En(i)) 反映云滴群能被信号样本特征所接受的范围。
9. 如权利要求6所述的一种辐射源个体特征提取方法，其特征在于：所述超熵（He)为 熵值的松弛度的表示，度量了熵的不确定性。
【专利摘要】本发明公开了一种辐射源个体特征提取方法，包括如下步骤：设每一个云滴所对应的二维位置坐标为S(i)＝(x(i)，y(i))，求出所有云滴的均值；对每一个云滴根据熵值公式求出熵值；计算对应n个云滴的平均熵值；计算熵值的均方差，利用上述结果根据超熵计算公式获得超熵，本发明在传统特征提取的基础上，对低信噪比下提取到的传统模糊特征构建云团模型，再利用云模型理论的基本数字特征，来刻画特征云团的分布特性，从而实现更精细的信号特征提取。
【IPC分类】G06K9-00
【公开号】CN104809447
【申请号】CN201510232590
【发明人】李靖超
【申请人】上海电机学院
【公开日】2015年7月29日
【申请日】2015年5月8日