一种基于改进变分模态分解的雷达辐射源信号分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723244A(43)申请公布日2021.11.30(21)申请号202110961778.9(22)申请日2021.08.20(71)申请人中国电子科技集团公司第二十八研究所地址210007江苏省南京市秦淮区苜蓿园东街1号(72)发明人申良喜孙裔申朱澄澄沈海平刘唐兴黄山良张巍巍吴璇(74)专利代理机构江苏圣典律师事务所32237代理人胡建华(51)Int.Cl.G06K9/00(2006.01)G06N3/00(2006.01)G06F30/27(2020.01)G01S7/02(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于改进变分模态分解的雷达辐射源信号分离方法(57)摘要本发明提出一种基于改进变分模态分解的雷达辐射源信号分离方法，包括建立多种调制方式的雷达辐射源信号库；构造变分模态分解算法所需的变分模型；提取加性混合雷达信号的Renyi熵作为适应度值；应用人工蜂群算法计算变分模态分解算法的最优参数；通过变分模态分解将混合信号分解为虚拟多通道观测信号；借助奇异值分解与快速独立成分分析方法实现信号重构；提取已分离信号的时频域Renyi熵作为区分特征；应用支持向量机验证信号分离效果。本发明对加性混合雷达辐射源信号进行分离与识别，针对接收机侦收信号数目多、先验信息少以及识别效果差的问题，提出改进变分模态分解方法以实现混合雷达信号的快速分离与精确识别，为后续处理混合信号提供全新的思路。CN113723244ACN113723244A权利要求书1/2页1.一种基于改进变分模态分解的雷达辐射源信号分离方法，其特征在于，包括以下步骤：步骤1，建立雷达辐射源信号库，获得加性混合雷达辐射源信号p(t)；步骤2，构造变分模态分解算法所需的变分约束模型，并将其转换为非约束模型的鞍点求解问题；步骤3，计算变分模态分解算法的最优参数；步骤4，通过变分模态分解将加性混合雷达辐射源信号分解为虚拟多通道观测信号；步骤5，对虚拟多通道观测信号进行信号重构，获得分离后的雷达辐射源信号；步骤6，识别分离后的雷达辐射源信号。2.根据权利要求1所述的一种基于改进变分模态分解的雷达辐射源信号分离方法，其特征在于，步骤1中所述雷达辐射源信号库中的雷达辐射源信号包括常规脉冲信号、线性调频信号、二相编码信号、调频编码信号和多相编码信号；所述获得加性混合雷达辐射源信号是从所述雷达辐射源信号库中选取两个以上的信号进行随机组合，并与高斯白噪声加性混合组成。3.根据权利要求1所述的一种基于改进变分模态分解的雷达辐射源信号分离方法，其特征在于，步骤2包括：接收机截获加性混合雷达辐射源信号p(t)，采用变分模态分解算法将其分解为多通道模态分量uk(t)，k＝1,2,...,K，其中K代表模态分量分解个数；对uk(t)进行希尔伯特变换，求得对应解析信号，采用高斯平滑算法求得各模态分量的带宽之和，获得变分约束模型，公式如下：其中，t代表时间，ωk代表信号uk(t)的频率，代表求偏导，δ(t)表示狄拉克分布函数；采用增广拉格朗日函数处理变分约束模型，将其转换为非约束模型的鞍点求解问题：其中，α代表带宽惩罚因子，λ(t)代表约束系数。4.根据权利要求3所述的一种基于改进变分模态分解的雷达辐射源信号分离方法，其特征在于，步骤3采用人工蜂群算法计算变分模态分解算法的最优参数，所述最优参数包括模态分量分解个数K和带宽惩罚因子α。5.根据权利要求4所述的一种基于改进变分模态分解的雷达辐射源信号分离方法，其特征在于，步骤3将加性混合雷达辐射源信号p(t)的时频形式的Renyi熵作为人工蜂群算法的适应度值；加性混合雷达辐射源信号p(t)的时频分析满足时间边缘特性、频率边缘特性以及能量2CN113723244A权利要求书2/2页保持特性，其时频形式的Renyi熵表示为：其中，β代表加性混合雷达辐射源信号p(t)的时频形式的Renyi熵阶数，Rβ代表第β阶的Renyi熵，P(t,f)代表加性混合雷达辐射源信号p(t)的时频形式，t代表时间，f代表频率。6.根据权利要求5所述的一种基于改进变分模态分解的雷达辐射源信号分离方法，其特征在于，步骤3包括：记人工蜂群算法的开采蜂数量和蜜源的个数均为SN，随机产生SN个变分模态分解算法参数的初始解：其中，代表开始之前第i个蜜源的第h维向量，i＝1,2,...,SN且h＝1,2,...,D，D代表变分模态分解算法优化参数的个数，D＝2，与分别代表第h维向量的极大极小值，R代表]0，1[区间内的随机数字；进而引导随从蜂从原位置xih产生新的蜜源位置vih，实现最优解替换：vih＝xih+φih(xih‑xlh)其中i＝1,2,...,SN，h＝1,2,...,D