基于峭度加权VMD和熵特征的雷达脉内调制识别

作者：刘玉欣^*; 田润澜; 任琳; 孙亮

来源：电讯技术, 2023, 63(03): 368-374.

DOI：10.20079/j.issn.1001-893x.220324006

• 雷达脉内调制识别
• 变分模态分解(VMD)
• 熵特征
• 特征融合
• 支持向量机(SVM)

针对复杂电磁环境下识别雷达信号脉内调制样式困难以及受噪声影响识别准确率受限的问题，提出了一种将变分模态分解(Variational Mode Decomposition, VMD)与熵特征提取相结合的识别方法。首先，通过基于峭度加权的改进VMD算法对雷达信号进行分解，得到由三个本征模态函数组成的最优分量集合；其次，对各分量分别计算其模糊熵、排列熵和符号熵值，从而实现对熵特征信息提取；最后，将特征向量输入到支持向量机完成识别。相较于其他方法，该方法有着较高的识别准确率和抗噪性能，在2 dB信噪比以上平均识别准确率为94.63%。

• 单位
  中国人民解放军空军航空大学