基于VMD和ABC-SVM的雷达辐射源个体识别

作者：张忠民; **^*

来源：哈尔滨商业大学学报(自然科学版), 2020, 36(02): 176-189.

DOI：10.19492/j.cnki.1672-0946.2020.02.010

• 雷达辐射源个体识别
• 变分模态分解
• 蛙跳算法
• 特征参数
• 人工蜂群算法
• 中心

为提高雷达辐射源个体在不同信噪比下的识别率,提出了基于自适应变分模态分解(VMD)和人工蜂群优化的分类器(ABC-SVM)的方法,利用蛙跳算法对最佳影响参数组合进行搜索,根据得到的最优参数,通过VMD变换对雷达信号进行处理,由于雷达信号分解成各个模态的中心频率不同,选择中心频率作为辐射源信号的无意调制特征参数送入人工蜂群算法优化的分类器进行学习,实现对不同雷达辐射源的分类.实验结果表明,信号分解后的各模态分量的中心频率在一定范围内稳定,ABC-SVM也有着更好的识别效果,当信噪比在15 dB时,三个辐射源在两种信号形式下的识别率全部达到90%,并通过与其他算法进行对比,在不同的信噪比下,识别率均有提高,所提出的方法可以对雷达辐射源个体进行有效识别.

• 单位
  哈尔滨工程大学