本发明属于通信信号识别
技术领域：
，特别涉及一种基于相关熵稀疏表示的通信辐射源个体识别方法。
背景技术：
：通信辐射源的个体识别是指针对不同生产厂家、不同批次的通信辐射设备所辐射的信号存在的独一无二的细微特征，采取各种手段，对这些信号中的细微特征进行识别的过程。业内主要是通过暂态信号特征或稳态信号特征来实现通信辐射源个体识别，典型方法包括基于辐射源开机瞬时特征分析的方法、基于杂散特性的方法、基于调制参数的方法和基于高阶统计量的方法，但是这些方法都还存在很多问题。一是基于暂态信号特征的通信辐射源个体识别方法由于存在暂态特征难提取、并且无法用于识别同厂家同型号的通信辐射源个体等问题，所以实际应用中此类方法的识别效果并不理想；二是辐射源发射信号，作为辐射源个体细微特征的载体，对于信道、噪声和环境都比较敏感，即使同一辐射源在不同信道、噪声和环境等条件下的发射信号之间一般差别都很大，利用现有的方法很难实现鲁棒的通信辐射源个体细微特征提取与分类识别。技术实现要素：本发明的目的是：提供一种基于相关熵稀疏表示的通信辐射源个体识别方法，解决现有方法中存在的无法用于识别同厂家同型号的通信辐射源、同一信号源在不同噪声环境下的识别等问题，进一步提高对通信辐射源个体识别的能力和水平。本发明的技术方案是：一种基于相关熵稀疏表示的通信辐射源个体识别方法，包括以下步骤：a.使用通信信号接收装置，接收通信辐射源信号，并进行预选放大、混频、中频滤波、a/d转换、数字正交解调，获得i/q两路数字零中频信号；b.提取i/q两路数字零中频信号的矩形积分双谱特征向量；c.将接收到的所有通信辐射源信号的矩形积分双谱特征向量，划分为训练样本集和测试样本集，并由训练样本集构成矩形积分双谱特征字典；d.将测试样本集中的每个测试样本分别在矩形积分双谱特征字典上进行相关熵稀疏表示，获得每个测试样本的表示系数向量；e.根据表示系数向量得到不同类别的训练样本子集对测试样本的表示残差，将最小的表示残差所对应的类别作为通信辐射源个体的类别，从而实现通信辐射源个体的识别。更进一步地，所述步骤b中提取i/q两路数字零中频信号的矩形积分双谱特征向量的方法为：对i/q两路数字零中频信号进行矩形积分双谱变换，获得m类通信辐射源的n个矩形积分双谱特征向量，构成d×n维的矩形积分双谱特征矩阵；则有：x＝[x1,x2,...,xi,...,xn]∈rd×n(1)其中，i＝1,...,n，d表示矩形积分双谱特征向量的维度，第i个矩形积分双谱特征向量xi＝[xi,1,…,xi,j,…,xi,d]t∈rd称为通信辐射源信号的第i个样本。更进一步地，所述步骤c中由训练样本集构成矩形积分双谱特征字典的方法为：通信辐射源信号经过特征提取获得m类通信辐射源个体的n个训练样本将n个训练样本构造为矩形积分双谱特征字典：x＝[x1,x2,…,xi,…,xn]∈rd×n(2)其中y＝[y1,y2,…,yd]t∈rd表示通信辐射源测试样本；第c类通信辐射源个体的nc个训练样本构成第c个子字典，x＝[x1,x2,…,xc,…,xm]包含m个子字典，其中更进一步地，所述步骤d中进行相关熵稀疏表示的方法为：将所有通信辐射源信号的矩形积分双谱特征矩阵x＝[x1,x2,...,xn]作为相关熵稀疏表示字典，待测试样本y＝[y1,y2,…,yd]t∈rd在字典x上的相关熵稀疏表示可以写成如下形式：其中，为高斯核函数，β＝[β1,β2,…,βi,…,βn]为系数向量-；根据凸共轭函数的性质，对于函数g(x)，存在一个共轭函数使得式在z＝-g(x)时取最大值；式(3)根据凸共轭函数的性质可以写成如下形式：其中p＝[p1,p2,…,pd]t是由于半二次优化而引入的辅助变量；β和p可以通过以下公式进行计算：其中t表示第tth次迭代，diag(·)表示将向量转换为一个对角阵；在第(t+1)th次迭代中，计算时式(7)中的辅助变量p可以被看作一权重常量；求解得：其中，令f和g分别代表工作集和闲置集，并且f∪g＝{1,2,…,n}、f∩g＝φ；则可以被分为两部分：其中，|f|和|g|分别代表向量f和g的长度，则目标函数(8)可以转化为：其中，βf,αf∈r|f|,βg,αg∈r|g|,β＝[βf,βg]以及α＝[αf,αg]；则βf和αg可以通过以下公式计算：最终优化的结果可以写成β＝[βf,0]、α＝[0,αg]，核尺寸可以写成：其中，θ是用于控制噪声的常数。更进一步地，所述基于相关熵的稀疏表示求解系数β的算法为：设：p1＝-1，f＝φ，g＝{1,2,…,n}，β＝0，α＝-xty，基于相关熵的稀疏表示求解系数β的算法如下：d1.计算d2.计算如果αr＜0，则令f＝f∪r，g＝g-r；否则，停止算法；β*＝β即为最优解；d3.通过式(10)计算若则令转至d4，否则令r为：且令f＝f-r，g＝g∪r；返回c；d4：根据式(11)计算α；d5：分别根据式(6)和式(10)与(12)更新辅助向量pt+1和核尺寸σ2，并返回a。更进一步地，所述步骤e中识别的通信辐射源个体类别的方法为：矩形积分双谱特征字典x＝[x1,x2,…,xc,…,xm]由m个子矩形积分双谱特征字典构成，而第c类子矩形积分双谱特征字典包含nc个原子，在分类阶段，每类的表示残差可以表示为：其中δc(β)表示属于类别c的系数，g(·)中的两个核尺寸和进一步利用系数β中的判别性信息，构造如下分类器模型：根据式(16)解得class(y)，从而得到识别样本的类别，即所待识别的通信辐射源个体的类别属性。本发明通过接收通信辐射源信号，提取i/q两路数字零中频信号的矩形积分双谱特征向量，将接收到的所有通信辐射源信号的矩形积分双谱特征向量划分为训练样本集和测试样本集，由训练样本集构成矩形积分双谱特征字典，将测试样本集中的每个测试样本分别在矩形积分双谱特征字典上进行相关熵稀疏表示，获得每个测试样本的表示系数向量，根据表示系数向量得到不同类别的训练样本子集对测试样本的表示残差，将最小的表示残差所对应的类别作为通信辐射源个体的类别，从而实现通信辐射源个体的识别，解决了现有方法中存在的无法用于识别同厂家同型号的通信辐射源、同一信号源在不同噪声环境下的识别等问题，进一步提高对通信辐射源个体识别的能力和水平。附图说明图1为本发明方法流程图。具体实施方式实施例1：参见图1，一种基于相关熵稀疏表示的通信辐射源个体识别方法，包括以下步骤：a.使用通信信号接收装置，接收通信辐射源信号，并进行预选放大、混频、中频滤波、a/d转换、数字正交解调，获得i/q两路数字零中频信号；b.提取i/q两路数字零中频信号的矩形积分双谱特征向量；c.将接收到的所有通信辐射源信号的矩形积分双谱特征向量，划分为训练样本集和测试样本集，并由训练样本集构成矩形积分双谱特征字典；d.将测试样本集中的每个测试样本分别在矩形积分双谱特征字典上进行相关熵稀疏表示，获得每个测试样本的表示系数向量；e.根据表示系数向量得到不同类别的训练样本子集对测试样本的表示残差，将最小的表示残差所对应的类别作为通信辐射源个体的类别，从而实现通信辐射源个体的识别。所述步骤b中提取i/q两路数字零中频信号的矩形积分双谱特征向量的方法为：对i/q两路数字零中频信号进行矩形积分双谱变换，获得m类通信辐射源的n个矩形积分双谱特征向量，构成d×n维的矩形积分双谱特征矩阵；则有：x＝[x1,x2,...,xi,...,xn]∈rd×n(1)其中，i＝1,...,n，d表示矩形积分双谱特征向量的维度，第i个矩形积分双谱特征向量xi＝[xi,1,…,xi,j,…,xi,d]t∈rd称为通信辐射源信号的第i个样本；所述步骤c中由训练样本集构成矩形积分双谱特征字典的方法为：通信辐射源信号经过特征提取获得m类通信辐射源个体的n个训练样本将n个训练样本构造为矩形积分双谱特征字典：x＝[x1,x2,…,xi,…,xn]∈rd×n(2)其中y＝[y1,y2,…,yd]t∈rd表示通信辐射源测试样本；第c类通信辐射源个体的nc个训练样本构成第c个子字典，x＝[x1,x2,…,xc,…,xm]包含m个子字典，其中所述步骤d中进行相关熵稀疏表示的方法为：将所有通信辐射源信号的矩形积分双谱特征矩阵x＝[x1,x2,...,xn]作为相关熵稀疏表示字典，待测试样本y＝[y1,y2,…,yd]t∈rd在字典x上的相关熵稀疏表示可以写成如下形式：其中，为高斯核函数，β＝[β1,β2,…,βi,…,βn]为系数向量；根据凸共轭函数的性质，对于函数g(x)，存在一个共轭函数使得式在z＝-g(x)时取最大值；式(3)根据凸共轭函数的性质可以写成如下形式：其中p＝[p1,p2,…,pd]t是由于半二次优化而引入的辅助变量；β和p可以通过以下公式进行计算：其中t表示第tth次迭代，diag(·)表示将向量转换为一个对角阵；在第(t+1)th次迭代中，计算时式(7)中的辅助变量p可以被看作一权重常量；求解得：其中，令f和g分别代表工作集和闲置集，并且f∪g＝{1,2,…,n}、f∩g＝φ；则可以被分为两部分：其中，|f|和|g|分别代表向量f和g的长度，则目标函数(8)可以转化为：其中，βf,αf∈r|f|,βg,αg∈r|g|,β＝[βf,βg]以及α＝[αf,αg]；则βf和αg可以通过以下公式计算：最终优化的结果可以写成β＝[βf,0]、α＝[0,αg]，核尺寸可以写成：其中，θ是用于控制噪声的常数；所述基于相关熵的稀疏表示求解系数β的算法为：设：p1＝-1，f＝φ，g＝{1,2,…,n}，β＝0，α＝-xty，基于相关熵的稀疏表示求解系数β的算法如下：d1.计算d2.计算如果αr＜0，则令f＝f∪r，g＝g-r；否则，停止算法；β*＝β即为最优解；d3.通过式(10)计算若则令转至d4，否则令r为：且令f＝f-r，g＝g∪r返回c；d4：根据式(11)计算α；d5：分别根据式(6)和式(10)与(12)更新辅助向量pt+1和核尺寸σ2，并返回a；所述步骤e中识别的通信辐射源个体类别的方法为：矩形积分双谱特征字典x＝[x1,x2,…,xc,…,xm]由m个子矩形积分双谱特征字典构成，而第c类子矩形积分双谱特征字典包含nc个原子，在分类阶段，每类的表示残差可以表示为：其中δc(β)表示属于类别c的系数，g(·)中的两个核尺寸和进一步利用系数β中的判别性信息，构造如下分类器模型：根据式(16)解得class(y)，从而得到识别样本的类别，即所待识别的通信辐射源个体的类别属性。为了验证本发明提出的基于相关熵稀疏表示的通信辐射源个体识别方法(cer)，将其与传统的最近邻分类器(nn)、支持向量机(svm)比较，评价本发明方法的性能。数据集采用由同种型号、同种厂家、相同批次、相同工作模式的3部不同fm电台所产生的时域信号样本。电台中心频率为160mhz，电台信道带宽为25khz，接收机信道带宽为100khz，采样频率为204.8khz，采样点数为1023658个点，采样数据为零中频iq正交数据。每部电台采样9个样本信号，共有90个原始样本信号。每次实验重复20次，取其平均识别率作为测试结果。测试结果如下面所示：3部调频电台的识别结果训练样本个数nnsvmcer274.5075.0078.50482.5080.6383.75680.0085.0085.83881.2580.0086.001080.0080.0087.68当前第1页12