导读:本文包含了细微特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:雷达辐射源,相位噪声,细微特征,双谱分析
细微特征提取论文文献综述
李策[1]（2018）在《雷达辐射源细微特征提取方法研究》一文中研究指出如何通过截获的辐射源信号判断敌方辐射源发射机的特征信息是电子对抗的重要课题之一。针对个体雷达辐射源识别问题,本文对个体雷达辐射源信号的细微特征提取方法进行了深入的研究。通过分析雷达发射机细微特征产生的机理,针对雷达辐射源细微特征提取时特征向量选取困难的问题,从时域、频域、变换域叁个方面就细微特征提取方法进行研究与实现。论文主要完成内容及研究成果如下:1、总结了辐射源细微特征提取方法的研究现状,分析了辐射源个体产生细微特征的原因,并对辐射源振荡器的相位噪声做了详细的阐述,并依此构建了个体辐射源信号的理论模型。2、针对常规的辐射源细微特征提取方法进行研究与实现,包括时域的包络提取法提取信号的上包络作为个体辐射源的细微特征、频域的修正后Rife算法提取频率偏移作为个体辐射源的细微特征、变换域的EMD时频重构特征经过SVD分解对数变换后的奇异向量值作为个体辐射源的细微特征,通过分类实验验证了这些特征提取方法的可靠性。3、提出了基于双谱分析的多维特征提取方法,综合利用双谱对角切片的盒维数、信息维数、LZ复杂度,围线积分双谱的波形熵和能量熵构建多维特征向量,并通过仿真实验针对同一份雷达辐射源数据进行分类验证,与之前的时域、频域、变换域的特征提取方法相比,分类效果得到提升,充分说明了基于双谱分析的多维特征提取方法具有更好的性能。4、提出了基于深度信念网络的特征提取方法,把采样得到的辐射源信号稀疏化后送入深度信念网络,通过网络训练学习得到最后一层节点值直接作为辐射源个体信号的细微特征,将该方法应用于不同的辐射源数据集,并做了仿真实验表明此细微特征提取方法的有效性和良好的分类识别性能。(本文来源于《西安电子科技大学》期刊2018-05-01）
雷迎科[2]（2018）在《复杂电磁环境下通信辐射源个体细微特征提取方法》一文中研究指出针对实际复杂电磁环境下通信辐射源个体细微特征提取面临的标签样本缺失问题,将半监督学习理论引入到通信辐射源细微特征提取,提出一种半监督框架下的局部近邻保持正则化判别分析方法。该方法在双谱估计的基础上,通过向线性判别模型中有效融入由无标签样本所提供的流形结构信息,从而将线性判别方法扩展到半监督学习。在实际采集的同种型号、同种厂家、相同批次以及相同工作模式的不同FM通信电台数据集上的实验结果表明,该方法能够获得更优的分类识别性能。(本文来源于《数据采集与处理》期刊2018年01期）
王文哲,吴华,王经商,张强[3]（2016）在《基于CEEMDAN的雷达信号脉内细微特征提取法》一文中研究指出有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 d B信噪比(SNR)下仍保持90%以上的高精度。(本文来源于《北京航空航天大学学报》期刊2016年11期）
陈健,段田东,徐文艳,吴素琴[4]（2016）在《基于谱再生逆分析的信号细微特征提取》一文中研究指出为解决无线复杂电磁环境下同型号通信电台的个体识别问题,研究谱再生逆分析的细微特征提取方法并改进。首先分析输入信号通过非线性功放后的谱再生现象,然后对其进行逆分析,以功率谱分段拟合的方法提取功放非线性参数作为各电台特征,并对特征提取步骤进行了改进使算法更适用于同型号电台的个体识别。为验证算法有效性,使用SVM分类器对特征进行模式训练和识别,仿真结果表明,算法在高斯信道模型和Watterson短波好信道模型下对同型号电台有较好的识别效果。(本文来源于《信号处理》期刊2016年03期）
雷迎科,郝晓军,韩慧,王李军[5]（2016）在《一种新颖的通信辐射源个体细微特征提取方法》一文中研究指出针对传统的方法难以有效提取通信辐射源个体鲁棒的细微特征,将流形学习理论引入到通信辐射源细微特征提取,提出了一种基于正交局部样条判别流形嵌入的通信辐射源个体细微特征提取方法.在实际采集的通信电台数据集上的实验结果验证了该方法的有效性与可行性.(本文来源于《电波科学学报》期刊2016年01期）
杨伟杰[6]（2015）在《复杂细微差异化网络数据特征的语义优化提取算法》一文中研究指出对网络数据的复杂、细微、差异化特征进行语义提取,是实现Web网络数据准确识别和检索的关键技术。复杂、细微、差异化的网络数据语义特征具有非线性和随机散布性的特点,其主题分布广、更新频率大,从而造成语义特征提取困难。传统方法采用小波基函数投影算法进行语义特征的提取,性能不好。提出了一种基于Dopplerlet变换匹配投影的网络数据特征语义优化提取算法。首先构建语义高斯边缘化矩形窗函数进行融合滤波处理,通过文本切分把大量的信息熵数据进行小波基函数投影,有效剔除簇内异常数据;然后利用Dopplerlet变换匹配投影的自相似特性,自适应匹配语义的非线性谱特征,在Hilbert张成子空间中,实现对语义特征的提取和优化表达,再完成提取。仿真实验表明,该算法提高了对网络数据特征语义的表达能力,能有效区分差异网络数据中的冗余数据和残差数据,提高对杂细微差异化网络数据的检测识别和检索能力。(本文来源于《计算机科学》期刊2015年08期）
王大海[7]（2015）在《卫星通信辐射源细微特征提取技术研究》一文中研究指出通信辐射源个体识别就是通过对辐射源辐射的通信信号进行细微特征测量,根据已有的先验知识,确定辐射该信号的辐射源个体的过程。细微特征及其提取是通信辐射源个体识别技术的核心。因为相同工艺,相同型号的不同通信辐射源个体的细微特征差异很小,所以对细微特征估计精度的要求很高。现有算法难以满足。本文以卫星通信辐射源为对象,主要研究了有效细微特征选择和高精度提取算法。论文的主要内容及创新点概括如下：1.详细分析了卫星通信链路中影响载频和符号速率的因素,论证了不同卫星通信辐射源个体载频和符号速率细微差异的客观存在性,并得出符号速率差异小于载频差异的结论。首先使用CZT频谱细化分析提取载频和符号速率,并对载波稳定度进行跟踪与统计。然后针对符号速率细微差异小,CZT频谱细化分析提取精度不够的情况,提出基于定时估计和逐段精度递进的符号速率细微特征估计算法。在CZT估计符号速率基础上,通过估计符号最佳抽样时刻,并将定时估计误差平均到长数据段上进一步提高符号速率估计精度。由于符号速率估计精度和数据长度存在矛盾,：基于迭代思想,：提出逐段精度递进的方法,逐步增加用来估计的数据长度,提高估计精度,使得估计精度满足要求,：并做了详细的性能分析和仿真验证。2.提出把正交调制器I/Q不平衡参数作为卫星通信辐射源的细微特征,然后推导出在I/Q不平衡失真条件下平衡正交调制器输入信号的等效基带信号,利用该等效信号,详细地分析了正交调制器I/Q不平衡对接收信号频谱和星座图的影响,最后利用基于星座图几何分析的提取算法,估计I/Q不平衡参数。3.设计了能够精确控制细微特征产生的硬件发射机平台来对细微特征提取算法系统测试。：为使平台能够精确控制调制信号的符号速率,设计中需要在DAC采样率不变条件下,实现基带信号符号速率的精确控制。：提出一种基于取邻思想的固定采样率任意符号速率基带信号产生算法,其思路是对大整数倍符号速率基带信号通过任意倍数的取邻抽取实现符号速率控制,算法将取邻近似导致的误差等效为基带信号信噪比的损失,理论推导和仿真结果表明,只需很少的存储资源和计算资源,就可使取邻误差对基带信号质量的影响微乎其微,足以满足实际系统需要,算法尤其适合在FPGA中实现。4.提出一种任意符号速率频分多路信号单通道DAC发射结构。该结构基于固定采样率任意符号速率基带信号产生算法,只使用一个DAC通道,即可实现多路不同符号速率信号同时发射,克服了传统多通道DAC结构资源浪费问题。(本文来源于《解放军信息工程大学》期刊2015-04-15）
刘琼琪[8]（2014）在《电磁环境监测系统中基于DSP的脉冲细微特征提取》一文中研究指出随着雷达技术的发展，雷达工作体制朝着多样化、复杂化和综合化方向发展，使得电子对抗面临的电磁环境越来越复杂。如何在复杂的信号环境下实现雷达信号的正确分选与脉冲细微特征的分析变得尤为重要。电磁环境监测系统就是在电磁环境中，实时采集存储试验区内的电磁信号，然后对已存储数据进行信号的特征提取，包括参数获取和脉冲细微特征分析，从分析得出的结论来评估真实的电磁环境数据。对信号的脉冲细微特征分析进行研究，主要是对信号脉冲参数获取、信号的脉内分选以及信号的脉内调制特征进行分析。脉冲参数一般包括脉冲幅度、脉冲到达时间、脉冲宽度等。其中脉冲到达时间的测量是雷达信号分选的首要前提。本文采用了一种新的脉冲参数测量方法——脉内滑窗能量积累检测法。该方法根据脉冲信号在不同滑动窗口截取的点数能量值进行处理并判别，并通过多级滑窗来测量脉冲到达时间，脉内滑窗能量积累检测可以充分利用每个采样点的信息，且运算量较小，适合信噪比较低的情况。接着，本文通过对雷达信号分选各算法的仿真分析，采用序列差分直方图法来进行信号的脉内分选，对该算法提出了并行化的处理算法，提高了该算法的实时性。该方法运算量较小，在工程实践和实时性较高的系统中应用较为广泛。在对信号进行脉内调制特征分析时，本文采用了一种新的算法组合，即瞬时自相关法+改进的哈尔小波变换法，来完成信号的调制类型和调制参数的获取。这种组合的优点是很好的结合了信号的时频域特性，且运算量不大。在文章最后，本文对电磁环境监测系统及其信号分析单元做了详细介绍，给出了脉冲细微特征提取的DSP实现流程，通过CCS进行了调试和仿真，并用实际外场数据进行试验验证。(本文来源于《北京理工大学》期刊2014-06-01）
葛娟[9]（2014）在《基于细微特征提取的辐射源个体识别方法研究》一文中研究指出基于信号细微特征分析的辐射源个体识别研究起源于非合作通信领域。所谓细微特征,指的是信号个体或设备个体由于发射机设备或者传输信道的影响,使得接收机接收到的信号所带有的能够作为个体身份标识的差异。区别于传统辐射源识别理论的是,传统的辐射源信号侦查识别的目的在于获取所传输的通信信息,而辐射源个体识别的目的是通过一定的信号处理过程,提取出隐藏在通信信息中的细微差异,从而识别、判断出对方辐射源的相关情报。如何选择有效的信号处理方法,实时、准确地分析、提取出这些细微差异特征是近些年来的研究热点。针对这一问题,本文深入研究了基于细微特征分析的辐射源信号以及设备个体识别的方法。论文的研究内容主要包括以下几个方面:建立了辐射源个体识别的系统模型,分析了细微特征产生的机理,研究了典型的辐射源细微特征提取方法,为后续细微特征分析新方法的研究提供了良好的理论基础。基于熵特征提取的辐射源识别方法。由于不同的信息熵能从不同的角度描述信号的差异性,本文提出了基于多维信息熵模型的识别模型,在此基础上研究了多维特征加权的方法。在信号识别环节,比较了基于欧氏距离、人工智能分类器以及所提出的特征加权方法的识别性能。研究了基于参数估计的辐射源识别方法。从细微特征分析的思路出发,提取出体现不同参数信号的个体特征,验证了所提取的特征在不稳定信噪比环境下的识别性能。然后利用特征非线性拟合的方法,来识别不同参数的线性调频信号个体。研究了基于振荡器非线性特征的辐射源识别方法。不同的通信设备由于自身器件非线性特征的差异,会使发送的信号含有设备的个体差异信息。提出了基于局部散布差异特征提取的设备非线性分析方法,并研究了其识别性能。(本文来源于《哈尔滨工程大学》期刊2014-01-01）
张广吉,袁仕继,刘志华,黄文晶[10]（2013）在《基于高阶累积量短波通信电台细微特征提取与分析》一文中研究指出首先介绍了高阶统计量基本概念,分析了通信电台的高阶统计量特征,并对几种常见短波通信信号的高阶矩和高阶累积量进行了计算分析;仿真结果表明:高阶统计量可以作为一类有效的特征参数,适用于短波通信信号特征识别研究。(本文来源于《四川兵工学报》期刊2013年10期）
细微特征提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对实际复杂电磁环境下通信辐射源个体细微特征提取面临的标签样本缺失问题,将半监督学习理论引入到通信辐射源细微特征提取,提出一种半监督框架下的局部近邻保持正则化判别分析方法。该方法在双谱估计的基础上,通过向线性判别模型中有效融入由无标签样本所提供的流形结构信息,从而将线性判别方法扩展到半监督学习。在实际采集的同种型号、同种厂家、相同批次以及相同工作模式的不同FM通信电台数据集上的实验结果表明,该方法能够获得更优的分类识别性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
细微特征提取论文参考文献
[1].李策.雷达辐射源细微特征提取方法研究[D].西安电子科技大学.2018
[2].雷迎科.复杂电磁环境下通信辐射源个体细微特征提取方法[J].数据采集与处理.2018
[3].王文哲,吴华,王经商,张强.基于CEEMDAN的雷达信号脉内细微特征提取法[J].北京航空航天大学学报.2016
[4].陈健,段田东,徐文艳,吴素琴.基于谱再生逆分析的信号细微特征提取[J].信号处理.2016
[5].雷迎科,郝晓军,韩慧,王李军.一种新颖的通信辐射源个体细微特征提取方法[J].电波科学学报.2016
[6].杨伟杰.复杂细微差异化网络数据特征的语义优化提取算法[J].计算机科学.2015
[7].王大海.卫星通信辐射源细微特征提取技术研究[D].解放军信息工程大学.2015
[8].刘琼琪.电磁环境监测系统中基于DSP的脉冲细微特征提取[D].北京理工大学.2014
[9].葛娟.基于细微特征提取的辐射源个体识别方法研究[D].哈尔滨工程大学.2014
[10].张广吉,袁仕继,刘志华,黄文晶.基于高阶累积量短波通信电台细微特征提取与分析[J].四川兵工学报.2013