基于强化学习特征选择的跳频调制方式识别

作者：谷志刚; 李红光^*; 苏令华; 李文强

来源：信号处理, 2023, 39(06): 1089-1098.

DOI：10.16798/j.issn.1003-0530.2023.06.014

• 跳频调制识别
• 强化学习
• 特征选择
• Q学习

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