Reconocimiento de forma de onda de radar basado en análisis tiempo-frecuencia y máquina de soporte de colonia de abejas artificial-vector
Autores: Liu, Lutao; Wang, Shuang; Zhao, Zhongkai
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Reconocimiento de forma de onda de radar basado en análisis tiempo-frecuencia y máquina de soporte de colonia de abejas artificial-vector
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Formas de onda de radar
BPSK
Códigos de Costas
Modulación de frecuencia lineal
Códigos polifásicos
Máquina de vectores de soporte
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
En este documento, se explora un sistema para identificar ocho tipos de formas de onda de radar. Las formas de onda son la modulación de desplazamiento de fase binaria (BPSK), códigos de Costas, modulación lineal de frecuencia (LFM) y códigos polifásicos (incluidos P1, P2, P3, P4 y códigos Frank). Se extraen características de densidad espectral de potencia (PSD), momentos y cumulantes, propiedades instantáneas y análisis tiempo-frecuencia de las formas de onda y se proponen tres nuevas características. El clasificador es una máquina de vectores de soporte (SVM), que se optimiza mediante el algoritmo de colonia de abejas artificiales (ABC). El sistema muestra una buena robustez, una excelente complejidad computacional y una alta tasa de reconocimiento bajo una situación de relación señal-ruido (SNR) baja. Los resultados de la simulación indican que la tasa de reconocimiento general es del 92% cuando SNR es de -4 dB.
Descripción
En este documento, se explora un sistema para identificar ocho tipos de formas de onda de radar. Las formas de onda son la modulación de desplazamiento de fase binaria (BPSK), códigos de Costas, modulación lineal de frecuencia (LFM) y códigos polifásicos (incluidos P1, P2, P3, P4 y códigos Frank). Se extraen características de densidad espectral de potencia (PSD), momentos y cumulantes, propiedades instantáneas y análisis tiempo-frecuencia de las formas de onda y se proponen tres nuevas características. El clasificador es una máquina de vectores de soporte (SVM), que se optimiza mediante el algoritmo de colonia de abejas artificiales (ABC). El sistema muestra una buena robustez, una excelente complejidad computacional y una alta tasa de reconocimiento bajo una situación de relación señal-ruido (SNR) baja. Los resultados de la simulación indican que la tasa de reconocimiento general es del 92% cuando SNR es de -4 dB.