文章目录

0 引言

1 无人机图传信号模型

2 特征提取

2.1 高阶累积量的提取

2.2 瞬时特征的提取

3 主成分分析

4 随机森林分类器

5 实验与性能分析

5.1 算法框图

5.2 仿真数据及环境

    5.2.1 基于PCA降维的数据集可视化

    5.2.2 随机森林性能验证

    5.2.3 分类器性能验证

    5.2.4 识别效果性能验证

6 结论

文章摘要:为了实现对"黑飞"无人机的有效监管,避免误警事件的发生,不仅需要对目标无人机信号进行识别,还需要对当前监测环境中的干扰信号进行有效识别。因此提出一种结合高阶累积量和瞬时特征两类信号特征的无人机图传信号的识别算法,以解决单类特征对信号的不完整描述问题。该算法通过对接收信号提取高阶累积量与瞬时特征作为输入特征,并利用主成分分析方法将输入特征从14维降维到3维,大大减少了特征所占的内存空间,便于工程实现。随后,通过比较分类器的性能,选择随机森林分类器作为算法中的分类器,克服了传统决策树分类器中需要人为确定阈值的缺点。仿真结果表明:在0 dB时,目标信号和4种干扰信号能达到100%的识别率;当信噪比为5 dB时,目标信号与干扰信号的识别率都达到了95%以上,验证了该算法的有效性。

文章关键词:

项目基金: