基于Softmax回归的通信辐射源特征分类识别方法

刘亚冲,唐智灵

(桂林电子科技大学 广西无线宽带通信与信号处理重点实验室,广西 桂林 541004)

0 概述

由于制造工艺存在随机性,即使是同一批次生产的不同辐射源电路之间具有细微的个体差异,反映在无线电信号上表现为辐射源的“指纹”特征。这种个体特征为通信辐射源个体的识别提供了可能性。研究通信辐射源个体识别方法在无线通信安全认证、无线电监测、电磁环境感知、信息作战等领域具有应用价值[1-4]。

通信辐射源特征识别的研究方向有:在理论上探索特征机理,为特征提取提供可靠依据;在技术上设计特征提取和相对应的分类器,作为特征识别系统的核心。目前,在理论和技术上仍然存在很多难点。已经提出的辐射源个体特征大致可分为时域[5-7]、频域[5,7]、其他变换域[8-9]3类,每一类特征又可包含多维特征,从而形成一个特征向量。但是由这3类特征组成的特征向量往往具有较大的特征维数,这对算法的效率带来了较大挑战。针对上述问题,虽然通过神经网络分类[10]、双谱特征分析[11]、支持向量机(Support Vector Machine,SVM)[12]等方法解决,但还存在着明显的不足:随着训练样本数量的增加,神经网络和SVM的分类效率降低,时间加长。随着测试样本数的增加,识别率会有较大下降,识别效果差。

本文设计一种循环谱和Softmax回归相结合的多分类识别器,在测试样本数远大于训练样本数的条件下,对辐射源信号进行有效分类识别,并通过联合主成分分析(Principal Component Analysis,PCA)降维算法提高识别效率。……