基于多集判别典型相关分析的雷达辐射源个体识别#王磊，史亚，姬红兵*510152025303540（西安电子科技大学电子工程学院，西安710071）摘要：为了提升雷达辐射源个体识别系统的性能，提出了一种基于多集典型相关分析的辐射源指纹识别新策略。首先抽取辐射源信号的模糊函数多普勒切片作为初始特征，继而利用多集典型相关分析实现了表征能力不同的各切片间的特征融合与冗余消除，而进一步推广得到的多集判别典型相关分析在保持较低典型向量阶数的同时可以获得更优的识别性能。由于采用多集策略进行切片特征的直接融合，模糊函数加多集典型相关分析法不仅避免了代表性切片法中切片寻优的不确定性，而且克服了传统典型相关分析只适用于两集特征的局限性。实测雷达辐射源数据上的实验验证了所提方法的有效性。关键词：辐射源个体识别；模糊函数；多集典型相关分析；多集判别典型相关分析；特征融合中图分类号：TN974SpecificRadarEmitterIdentificationUsingMultisetDiscriminantCanonicalCorrelationAnalysisWANGLei,SHIYa,JIHongbing(SchoolofElectronicEngineering,XidianUniversity,Xi'an710071)Abstract:Inordertoimprovetheperformanceofspecificradaremitterrecognitionsystem,anovelframeworkbasedonMultisetCanonicalCorrelationAnalysis(MCCA)isproposedinthispaper.ItextractstheDopplercutsofambiguityfunction(AF)ofeachradarsignalastheinitialfeaturesetandemploysMCCAtoperformfeaturefusionandredundancyreductioninsuchset.Byusinglabelinformation,thefurtherdevelopedMultisetDiscriminantCanonicalCorrelationAnalysis(MDCCA)achievescompetitiveperformancewhileretainingtheloworderofcanonicalvectors.Thankstothedirectfusionstrategy,theproposedschemenotonlyavoidstheuncertaintyindeterminingtheoptimalcutofAFinpreviousmethods,butalsoextendstheconventionalCCA,whichcanonlydealwithtwosetsoffeaturevectors,tothemultisetversion.Theexperimentsonrealradaremitterdatademonstratetheeffectivenessoftheproposedmethods.Keywords:specificemitteridentification;ambiguityfunction;multisetcanonicalcorrelationanalysis;multisetdiscriminantcanonicalcorrelationanalysis;featurefusion0引言雷达辐射源个体识别研究始于20世纪60年代中期，在国外一般称为特定辐射源识别（specificemitteridentification，SEI），又称为雷达指纹识别[1]。它是指通过接收未知雷达辐射源发射的电磁信号，分析其个体特征，确定雷达的技术水准，从而唯一地识别个体辐射源，完成准确的威胁判断和其搭载平台的鉴别，为电子情报侦察等系统在复杂环境中进行威胁分析、识别和告警提供情报和支撑。对于雷达辐射源识别系统而言，寻找稳定而有效的辐射源个体特征是提高整个系统识别性能和鲁棒性的关键。随着现代电子战的日益激烈，复杂体制雷达辐射源的种类逐渐增多，雷达信号的密度、基金项目：高等学校博士学科点专项科研基金资助课题（20120203120010）；国家自然科学基金资助项目（61203137）；中央高校基本科研业务费专项资金资助项目（K5051302011，K5051302039）作者简介：王磊（1979-），男，讲师，主要研究方向：雷达信号处理.E-mail:leiwang@mail.xidian.edu.cn-1-i和第j组数据集间的互协方差矩阵，且有CijCji；并假设{Cij}mj1和CX均非奇异。首先对CmmCXXX2122CC（pi1pi），则其协方差矩阵为：}，其中n表示观测数目，pi为第i组样本集的特征维数，复杂程度都大幅度提高，传统的识别方法逐渐失去其有效性。更重要的是，在实际中经常遇到接收到的雷达脉冲过少的情况，因而无法实现脉间累积。因此目前辐射源识别的研究重点4550556065在于如何提取雷达信号的有效脉内特征，在此基础上实现雷达辐射源指纹识别。Gillespie和Atlas首次将模糊函数（ambiguityfunction,AF）应用于雷达辐射源识别[2]，并对仿真雷达数据取得了较好的识别效果。但由于是在模糊函数全平面上进行核点排序，该方法不可避免地具有计算量大且无法应用于大规模数据的缺...