基于权重归一化奇异值分解的辐射源信号识别研究
文献类型：期刊论文
| 作者 | 苑霸; 姚萍; 郑天垚 |
| 刊名 | 雷达学报
 |
| 出版日期 | 2019 |
| 卷号 | 8期号:1页码:44 |
| 关键词 | 奇异值分解 调制类型识别 辐射源信号识别 机器学习 |
| ISSN号 | 2095-283X |
| 英文摘要 | 随着现代技术不断更新,雷达种类及相关技术得到不断发展,雷达辐射源信号的识别逐渐成为一个十分重要的研究领域。该文主要针对辐射源信号识别中的调制类型识别问题,从数据能量角度出发,在奇异值分解(Singular Value Decomposition, SVD)基础上进行优化,提出基于权重归一化奇异值分解特征提取算法。该文从奇异值分解的滤波效果、数据矩阵行数对分解结果的影响及不同分类模型识别效果等方面进行分析。实验结果表明该算法对常用雷达信号有较好滤波和识别效果,在–20 dB条件下滤波重构信号与原始信号余弦相似度值仍保持在0.94左右,在判别置信度为0.65条件下识别正确率仍维持在97%以上。此外实验还表明相对于传统PCA算法,基于权重归一化奇异值分解特征提取算法拥有更好的鲁棒性。 |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/36773]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 苑霸,姚萍,郑天垚. 基于权重归一化奇异值分解的辐射源信号识别研究[J]. 雷达学报,2019,8(1):44. |
| APA | 苑霸,姚萍,&郑天垚.(2019).基于权重归一化奇异值分解的辐射源信号识别研究.雷达学报,8(1),44. |
| MLA | 苑霸,et al."基于权重归一化奇异值分解的辐射源信号识别研究".雷达学报 8.1(2019):44. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。