典型文献
基于差分-变分模态分解与全局信息分析网络的辐射源个体识别方法
文献摘要：
为了解决基于希尔伯特黄变换(HHT,Hilbert-Huang Transform)辐射源个体识别方法中的模态混叠分解不充分以及低信噪比下效果较差的问题,本文将信号处理与深度学习相结合提出了一种新的辐射源个体识别方法.首先,对信号进行差分处理,并通过变分模态分解得到对应的模态分量;接着,对各模态分量进行希尔伯特变换得到希尔伯特谱;最后,针对希尔伯特谱的稀疏性特点,本文运用改进的全局信息分析模块对其进行全局细微特征提取.本文实验采用ORACLE公开数据集对所提方法进行性能测试,实验结果表明,该方法识别性能优于4种现有的基于希尔伯特黄变换的辐射源识别方法,其不仅有较低的计算复杂度,而且在5 dB信噪比下有着90％以上的识别效果.
文献关键词：
射频指纹;无线通信安全;变分模态分解;全局模块;希尔伯特谱
中图分类号：
作者姓名：
韦建宇;彭来献;俞璐;王华力;曾维军
作者机构：
中国人民解放军陆军工程大学通信工程学院,江苏南京210007
文献出处：
引用格式：
[1]韦建宇;彭来献;俞璐;王华力;曾维军-.基于差分-变分模态分解与全局信息分析网络的辐射源个体识别方法)[J].信号处理,2022(10):2092-2101
A类：
全局模块
B类：
变分模态分解,全局信息,信息分析,辐射源个体识别,希尔伯特黄变换,HHT,Hilbert,Huang,Transform,模态混叠,低信噪比,信号处理,差分处理,模态分量,希尔伯特变换,希尔伯特谱,稀疏性,细微特征提取,ORACLE,公开数据集,方法识别,识别性,辐射源识别,计算复杂度,dB,射频指纹,无线通信安全
AB值：
0.278983
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
