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

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

全文