雷达辐射源信号一阶差分自相关特征提取

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 143-145.

• 数据库、信号与信息处理 • 上一篇下一篇

雷达辐射源信号一阶差分自相关特征提取

陈韬伟1，金炜东2，李杰1

1.云南财经大学信息学院，昆明 650221
2.西南交通大学电气工程学院，成都 610031

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

Feature extraction of radar emitter signals based on autocorrelation function of first difference

CHEN Taowei1，JIN Weidong2，LI Jie1

1.College of Information，Yunnan University of Finance and Economics，Kunming 650221 China
2.School of Electrical Engineering，Southwest Jiaotong University，Chengdu 610031 China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 在统计自相关函数的基础上，提出一种对雷达辐射源信号进行脉内特征提取的方法。利用一阶差分运算突出信号的调制特性;将差分的结果进行自相关计算，提取不同时延下自相关函数的包络特征;根据提出的基于距离的可分性判据对包络进行特征选择，得到具有最优可分性能的二维或三维特征向量。通过对7种典型辐射源信号的特征提取和分类进行仿真实验，结果表明提取的特征在低信噪比下仍具有较好的抗噪性和可分类性。

关键词: 雷达辐射源信号, 一阶差分, 自相关

Abstract: This paper presents an approach for intra-pulse feature extraction of radar emitter signals based on the autocorrelation function.The envelop feature extraction of autocorrelation function involves the use of first difference operation of radar emitter signals，which can enhance the difference in modulation information.The criterion，defined as degree of separability，is used as two-dimensional or three-dimensional feature vectors selection.Experimental results demonstrate that the features of seven typical radar emitter signals extracted by autocorrelation function have good performance of noise-resistance and clustering when SNR（Signal Noise Ratio） varies from －5 dB to 0 dB.

Key words: radar emitter signals, first difference, autocorrelation

陈韬伟1，金炜东2，李杰1. 雷达辐射源信号一阶差分自相关特征提取[J]. 计算机工程与应用, 2011, 47(26): 143-145.

CHEN Taowei1，JIN Weidong2，LI Jie1. Feature extraction of radar emitter signals based on autocorrelation function of first difference[J]. Computer Engineering and Applications, 2011, 47(26): 143-145.

[1]	孟娜，李艳艳，汪霖. 基于CITAF-HAF的立方调频信号参数估计[J]. 计算机工程与应用, 2021, 57(17): 75-79.
[2]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[3]	刘清华1，赖裕平2，丁洪伟1，杨志军1，崔晓龙3. 基于SVM的蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2019, 55(11): 136-141.
[4]	王熙月1，黄毅鹏1，钱佳慧1，何凌1，黄华1，尹恒2. 基于声学特征的腭裂语音声韵母切分[J]. 计算机工程与应用, 2018, 54(8): 123-130.
[5]	陈泽伟，曾庆宁，谢先明，龙超. 基于自相关函数的语音端点检测方法[J]. 计算机工程与应用, 2018, 54(6): 216-221.
[6]	刘彬，罗志年，彭疆. 改进CAZAC序列的OFDM时频同步算法[J]. 计算机工程与应用, 2017, 53(14): 76-79.
[7]	郑党1，鲍鸿1，张晶2. 基于小波语谱图分析的语音去噪技术[J]. 计算机工程与应用, 2016, 52(4): 94-98.
[8]	潘峥嵘，戴芮，张宁. 改进的基音周期检测算法研究[J]. 计算机工程与应用, 2015, 51(10): 223-226.
[9]	侯传宇1，吴小培2. 频率规整线性预测系数的实时提取算法研究[J]. 计算机工程与应用, 2014, 50(9): 214-218.
[10]	王民，孙洁，贠卫国，刘利，任雪妮. 基于两层神经网络的基音检测算法[J]. 计算机工程与应用, 2014, 50(5): 199-202.
[11]	许云艳，肖光世，曹喜望. 一类新的完美和几乎完美的16-QAM序列[J]. 计算机工程与应用, 2014, 50(14): 100-102.
[12]	林琦，俞水良. 沿梯度方向的改进一阶差分亚像素边缘检测法[J]. 计算机工程与应用, 2014, 50(14): 168-171.
[13]	焦蓓，曾以成，侯丽霞. 结合改进自相关与加权小波分量的基音检测法[J]. 计算机工程与应用, 2013, 49(14): 222-226.
[14]	沈瑜，党建武，王阳萍，雷涛. 加权短时自相关函数的基音周期估计算法[J]. 计算机工程与应用, 2012, 48(35): 1-6.
[15]	祝双武1，郝重阳2. 基于纹理周期性分析的织物疵点检测方法[J]. 计算机工程与应用, 2012, 48(21): 163-166.

雷达辐射源信号一阶差分自相关特征提取

Feature extraction of radar emitter signals based on autocorrelation function of first difference

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