本發(fā)明是一種雷達(dá)輻射源信號個體差異分析方法，用于提高對雷達(dá)輻射源的唯一識別準(zhǔn)確率。

背景技術(shù)：

面對日益密集、復(fù)雜的雷達(dá)信號環(huán)境，對雷達(dá)輻射源信號進(jìn)行分選、識別以及唯一確定一部雷達(dá)輻射源的難度越來越大，特別是對于具有相同調(diào)制樣式和調(diào)制參數(shù)的雷達(dá)信號識別，僅依賴脈內(nèi)有意調(diào)制特征已顯得力不從心。而雷達(dá)輻射源的脈內(nèi)無意調(diào)制特征是其固有屬性，不可改變且各不相同，因此，對調(diào)制樣式、調(diào)制參數(shù)均相同的雷達(dá)輻射源進(jìn)行個體差異特征的分析，是當(dāng)前亟需解決的一個問題。

Wigner三階譜能同時從時域和頻域描述信號的高階譜特性，更適合挖掘信號之間的細(xì)微差異，是分析雷達(dá)信號個體差異的有利手段。通過將三階譜投影圖轉(zhuǎn)化為灰度圖，保留三階譜的全部信息，然后對該灰度圖提取SIFT特征，并通過SIFT特征匹配實(shí)現(xiàn)雷達(dá)輻射源信號的個體差異識別。

技術(shù)實(shí)現(xiàn)要素：

(1)對接收到的雷達(dá)輻射源信號求取Wigner三階譜；

(2)將Wigner三階譜轉(zhuǎn)化為灰度圖；

(3)構(gòu)造灰度圖的SIFT特征描述子；

(4)對不同信號之間進(jìn)行SIFT特征匹配；

(5)基于匹配點(diǎn)數(shù)實(shí)現(xiàn)雷達(dá)輻射源信號唯一識別。

附圖說明

附圖1是本發(fā)明的流程圖。參照附圖1，本發(fā)明的流程由對接收到的雷達(dá)輻射源信號求取Wigner三階譜、將Wigner三階譜轉(zhuǎn)化為灰度圖、構(gòu)造灰度圖的SIFT特征描述子、對不同信號之間進(jìn)行SIFT特征匹配以及基于匹配點(diǎn)數(shù)實(shí)現(xiàn)雷達(dá)輻射源信號唯一識別5個部分組成。其中1用于將接收到的雷達(dá)輻射源信號求取Wigner三階譜；2用于將Wigner三階譜轉(zhuǎn)化為灰度圖；3用于構(gòu)造灰度圖的SIFT特征描述子；4用于對不同信號之間進(jìn)行SIFT特征匹配；5用于基于匹配點(diǎn)數(shù)實(shí)現(xiàn)雷達(dá)輻射源信號唯一識別。

附圖2是信號兩兩之間的準(zhǔn)確匹配點(diǎn)數(shù)的統(tǒng)計(jì)圖，圖2中橫坐標(biāo)為信號序列，縱坐標(biāo)為準(zhǔn)確匹配的點(diǎn)數(shù)。

具體實(shí)施方式

實(shí)施本發(fā)明的原理如下：對雷達(dá)信號求取Wigner三階譜，然后將其轉(zhuǎn)換為灰度圖，基于提取的SIFT特征，實(shí)現(xiàn)對不同雷達(dá)信號之間的匹配識別。本發(fā)明對相同調(diào)制樣式和參數(shù)的不同雷達(dá)輻射源信號，可以實(shí)現(xiàn)個體差異的分析與唯一識別。

(1)對接收到的雷達(dá)輻射源信號，求取其Wigner高階譜

$M_{Wkx}(t,{\mathrm{\ω}}_1,\mathrm{...},{\mathrm{\ω}}_k){\∫}_{{\mathrm{\τ}}_1}\mathrm{...}{\∫}_{{\mathrm{\τ}}_k}\[X*(t-\frac{1}{k+1}\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\τ}}_i)*\underset{i=1}{\overset{k}{\Π}}X(t+{\mathrm{\τ}}_i-\frac{1}{k+1}\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\τ}}_i)\]*e^{-j\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\ω}}_i{\mathrm{\τ}}_i}{d}_{{\mathrm{\τ}}_1}\mathrm{...}{d}_{\mathrm{\τ}k}---\left(1\right)$

式(1)中，X(t)表示接收到的雷達(dá)輻射源信號。

當(dāng)k取為3時，可以得到Wigner分布的三階譜。

$M_{W3x}(t,{\mathrm{\ω}}_1,\mathrm{...},{\mathrm{\ω}}_3)={\∫}_{{\mathrm{\τ}}_1}\mathrm{...}{\∫}_{{\mathrm{\τ}}_3}\[X*(t-\mathrm{\τ})X(t-\mathrm{\τ}+{\mathrm{\τ}}_1)*X(t-\mathrm{\τ}+{\mathrm{\τ}}_2)X(t-\mathrm{\τ}+{\mathrm{\τ}}_3)\]*e^{-j\underset{i=1}{\overset{3}{\Σ}}{\mathrm{\ω}}_i{\mathrm{\τ}}_i}{d}_{{\mathrm{\τ}}_1}\mathrm{...}{d}_{{\mathrm{\τ}}_3}---\left(2\right)$

(2)將Wigner三階譜轉(zhuǎn)化為灰度圖

由于雷達(dá)輻射源信號的Wigner三階譜投影圖可以充分反映信號的個體特征，因此從圖像處理的角度出發(fā)，將Wigner三階譜投影圖轉(zhuǎn)化為灰度圖，保留了其全部信息。

(3)構(gòu)造灰度圖的SIFT特征描述子，具體過程為：首先建立尺度空間、檢測特征點(diǎn)，DoG算子為兩個不同尺度的高斯核的差分，具有計(jì)算簡單的優(yōu)點(diǎn)，其定義如下

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

＝L(x,y,kσ)-L(x,y,σ) (3)

特征點(diǎn)的檢測則是對DoG尺度空間產(chǎn)生特征點(diǎn)圖層的每個像素點(diǎn)與相鄰尺度、相鄰位置的像素點(diǎn)逐個進(jìn)行比較，得到的局部極值位置作為關(guān)鍵點(diǎn)所處的位置和對應(yīng)的尺度。

其次對特征點(diǎn)進(jìn)行精確定位，具體包括剔除低對比度的特征點(diǎn)和剔除位于圖像邊緣的特征點(diǎn)兩個環(huán)節(jié)。然后再確定特征點(diǎn)梯度幅值和方向

$m(x,y)=\sqrt{{\left(L\right(x+1,y)-L(x-1,y\left)\right)}^2+{\left(L\right(x,y+1)-L(x,y-1\left)\right)}^2}$

$\mathrm{\θ}(x,y)=\arctan \left(\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right)---\left(4\right)$

式中，m(x,y)為梯度的幅值，θ(x,y)為梯度方向，L所用的尺度為每個特征點(diǎn)各自所在的尺度。

最后構(gòu)造SIFT特征描述子，至此，圖像中的每個特征點(diǎn)具備三個信息：空間坐標(biāo)、尺度、方向。生成特征描述子的具體方法：在特征所處的尺度空間，以其為中心取16×16像素大小的鄰域，再將其劃分為4×4共16個子區(qū)域，分別對每個子區(qū)域計(jì)算8個方向的梯度方向直方圖，并計(jì)算每個梯度方向的累加值，即可形成4個種子區(qū)域，一個特征點(diǎn)鄰域劃分的4×4個子區(qū)域的聯(lián)合梯度信息，對于每個特征點(diǎn)最終形成4×4×8＝128維的向量，該向量就是SIFT特征描述子。

(4)對不同信號之間進(jìn)行SIFT特征匹配。首先對接收到的每個信號首先進(jìn)行三階譜變換，并將其轉(zhuǎn)換為灰度圖像，然后提取SIFT特征，并依次與第一個信號進(jìn)行SIFT特征匹配，選擇SIFT特征描述子的歐氏距離作為匹配的相似性判定度量。并且對信號兩兩之間的準(zhǔn)確匹配點(diǎn)數(shù)進(jìn)行統(tǒng)計(jì)圖，以此作為不同信號之間個體差異體現(xiàn)的依據(jù)。

(5)基于匹配點(diǎn)數(shù)實(shí)現(xiàn)雷達(dá)輻射源信號唯一識別。

下面結(jié)合實(shí)例說明一下整個發(fā)明的優(yōu)勢。

雷達(dá)1產(chǎn)生100個線性調(diào)頻信號，開始頻率為30MHz，帶寬5MHz，脈寬10μs，采樣頻率120MHz。信號包含-30dB的高斯白噪聲和-20dB的服從韋布爾分布的噪聲，韋布爾分布的形狀參數(shù)為4、強(qiáng)度參數(shù)為2；雷達(dá)2也產(chǎn)生100個線性調(diào)頻信號，調(diào)制參數(shù)同雷達(dá)1。信號包含-28dB的高斯白噪聲和-18dB的服從韋布爾分布的噪聲，韋布爾分布的形狀參數(shù)為1、強(qiáng)度參數(shù)為6。對接收到的每個信號首先進(jìn)行Wigner三階譜變換，并將Wigner三階譜變換結(jié)果轉(zhuǎn)換為灰度圖像，然后提取SIFT特征，并依次與第一個信號進(jìn)行SIFT特征匹配，選擇SIFT特征描述子的歐氏距離作為匹配的相似性判定度量。信號兩兩之間的準(zhǔn)確匹配點(diǎn)數(shù)的統(tǒng)計(jì)圖如圖2所示，圖中橫坐標(biāo)的1-100表示第一部雷達(dá)輻射源產(chǎn)生的100個信號，縱坐標(biāo)表示與第一個信號的準(zhǔn)確匹配點(diǎn)數(shù)，101-200表示第二部雷達(dá)輻射源產(chǎn)生的100個信號，縱坐標(biāo)表示與第一個信號的準(zhǔn)確匹配點(diǎn)數(shù)(包括第一個信號的自配)。由統(tǒng)計(jì)圖可知，由于兩部雷達(dá)的噪聲大小和分布參數(shù)不同，所以準(zhǔn)確匹配的點(diǎn)數(shù)存在差異，既充分挖掘出了他們之間的個體差異，然后基于KFCM算法可以準(zhǔn)確將信號分為兩類，識別準(zhǔn)確率達(dá)到100％。