摘要
针对跳频信号调制识别的最优特征集选择困难问题,该文提出一种基于强化学习特征选择的跳频调制识别算法。首先提取跳频信号时频能量图并采用自适应维纳滤波算法去除噪声;然后提取时频能量图几何不变矩、伪Zernike矩和瑞丽熵三类特征的20维特征向量作为原始特征集,通过建立马尔科夫强化学习特征选择模型,采用改进的Q学习算法对原始特征集进行探索和学习,寻求最优特征集并输出识别结果。仿真实验表明,本文算法有效克服人工特征选择标准单一,鲁棒性差问题,降低了原始特征集冗余和维数,在信噪比5 dB条件下,对10种跳频信号调制识别率可达95%。
-
单位空军工程大学信息与导航学院