雷达辐射源信号小波变换特征提取方法

doi:10.3778/j.issn.1002-8331.2010.06.071

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 245-248.DOI: 10.3778/j.issn.1002-8331.2010.06.071

• 工程与应用 • 上一篇

雷达辐射源信号小波变换特征提取方法

陈韬伟^1，2，朱明³，陈振兴²

1.西南交通大学信息科学与技术学院，成都 610031
2.云南财经大学信息学院，昆明 650221
3.成都信息工程学院控制工程系，成都 610225

收稿日期:2008-08-20 修回日期:2008-10-05 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 陈韬伟

Feature extraction of radar emitter signals based on wavelet transform

CHEN Tao-wei^1，2，ZHU Ming³，CHEN Zhen-xing²

1.School of Information Science & Technology，Southwest Jiaotong University，Chengdu 610031，China
2.School of Information，Yunnan Economy and Finance University，Kunming 650221，China
3.Chengdu University of Information Technology，Chengdu 610225，China

Received:2008-08-20 Revised:2008-10-05 Online:2010-02-21 Published:2010-02-21
Contact: CHEN Tao-wei

摘要/Abstract

摘要： 在小波域滤波算法的基础上提出一种对雷达辐射源信号进行脉内特征提取方法，该方法能够从信号中有效地提取定量信息。将小波变换后低频逼近小波系数的能量分布熵与经过尺度相关去噪计算后反映信号边缘的高频细节小波系数能量分布熵构成雷达辐射源信号的二维特征向量。通过对10种雷达辐射源信号的特征提取和分类仿真实验分析表明：提取的样本特征在0 dB下具有很好的抗噪性和可聚类性，方法是有效的。该方法能够简化分类器的设计，有利于工程应用。

关键词: 雷达辐射源信号, 小波变换, 尺度间相关性去噪, 特征提取

Abstract: This paper presents an approach for intra-pulse feature extraction of radar emitter signals based on wavelet transform domain filtering.It is efficient to obtain quantitative information from signals.The energy entropy from approximation coefficients of wavelet transform and the other energy entropy from inner-scale correlations denoise of detail coefficients are used as two-dimensional feature vector.Experiment results demonstrate that the features of ten typical radar emitter signals extracted by wavelet transform have good performance of noise-resistance and clustering when SNR is 0 dB.Moreover，the algorithm can be advantageous to engineering application and capable of simplifying sorter.

Key words: radar emitter signals, wavelet transform, inter-scale correlations denoise, feature extraction

中图分类号:

TN97

陈韬伟^1，2，朱明³，陈振兴². 雷达辐射源信号小波变换特征提取方法[J]. 计算机工程与应用, 2010, 46(6): 245-248.

CHEN Tao-wei^1，2，ZHU Ming³，CHEN Zhen-xing². Feature extraction of radar emitter signals based on wavelet transform[J]. Computer Engineering and Applications, 2010, 46(6): 245-248.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[6]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[7]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[8]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[9]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[12]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[13]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[14]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[15]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.

雷达辐射源信号小波变换特征提取方法

Feature extraction of radar emitter signals based on wavelet transform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics