-
图 1 6类雷达信号的SAX符号化序列
Figure 1.
-
图 2 修正的信息熵与SNR的关系图
Figure 2.
-
图 3 基于多尺度信息熵的雷达信号识别方法
Figure 3.
-
图 4 信噪比从5～20 dB时基于信息熵的数据分布图
Figure 4.
-
图 5 基于多尺度信息熵识别结果的混淆矩阵
Figure 5.
-
图 6 基于小波脊频级联特征识别结果的混淆矩阵
Figure 6.
-
图 7 信噪比从5～20 dB时基于复杂度的数据分布图
Figure 7.
-
断点(${\beta _i}$) 字符集大小(a) 3 4 5 6 7 8 ${\beta _{{1}}}$ 0.43 0.67 0.84 0.97 1.07 1.15 ${\beta _{{2}}}$ 0.43 0 0.25 0.43 0.57 0.67 ${\beta _{{3}}}$ – 0.67 0.25 0 0.18 0.32 ${\beta _{{4}}}$ – – 0.84 0.43 0.18 0 ${\beta _{{5}}}$ – – – 0.97 0.57 0.32 ${\beta _{{6}}}$ – – – – 1.07 0.67 ${\beta _{{7}}}$ – – – – – 1.15 表 1 参数a从3～8的等概率断点查询表[12]
-
雷达信号 信噪比SNR (dB) 20 15 10 5 LFM 1.000 1.000 1.000 0.985 CP 1.000 1.000 1.000 1.000 BPSK 0.975 0.990 0.990 1.000 BFSK 0.930 0.910 0.800 0.700 NLFM 1.000 1.000 1.000 1.000 COSTAS 1.000 1.000 1.000 1.000 表 2 不同SNR下6种雷达信号的识别率
-
特征向量 耗费时间(s) WRFCCF 135.102 MSIE 1.704 表 3 提取两种特征耗费的时间对比
-
识别方法 总体识别率 WRFCCF+k-NN 92.13 MSIE+k-NN 95.63 表 4 两种方法的总体识别正确率比较(%)
-
识别方法 信噪比SNR(dB) 20 15 10 5 MSIE+k-NN 98.42 97.25 94.25 91.25 CC+k-NN 80.25 73.08 54.33 <50 SIE+k-NN 81.42 79.08 71.25 62.92 表 5 3种方法的总体识别正确率比较(%)
图共
7 个 表共
5 个
