余 沁 程 伟 李敬文

(空军预警学院，湖北武汉 430019)

1 引言

在电子侦察和信息对抗领域，如何高效可靠地对通信辐射源进行识别，有着非常重要的意义。由于辐射源个体之间存在差异，导致通信信号携带设备个体差异特征，所以只要能够提取通信信号中携带的个体特征便可以进行分类识别[1]。基于暂态信号特征和稳态信号特征的个体识别[2]是目前主流的两大方法。其中稳态信号获取容易、稳定、实用性强，获得了广泛的研究，目前主要基于稳态信号特征提取的方法识别性能较好，主要有基于频率源特性[3]、噪声特性[4]、调制参数[5]和杂散特性[6]的4种方法。其中基于杂散特性的特征提取方法性能较好，获得了广泛的研究[7]。目前针对杂散成分的识别主要有基于高阶统计量[8]、谱相关[9]、小波变换[10]等方法，在高斯信道下均有一定的识别效果。

功率放大器作为重要的通信器件存在于所有辐射源系统中，由于制造工艺的限制，功率放大器的输入-输出幅度呈现出非线性特性，该特性对信号的个体差异影响较大，可以作为识别特征。目前基于功率放大器杂散特性特征提取识别的方法主要有：基于高阶统计量特性[8]、频谱再生特性[9]以及多重分形维数[7]的方法。

小波变换(wavelet transform，WT)通过变换能够充分突出信号某些方面的特征，能对时间(空间)频率的局部化分析。在个体识别领域，通过小波变换可以提取分析出信号特征的差异，从而达到识别的目的。文献[10]利用Daubechies小波基，对信号进行特征提取用以识别，在信噪比为10 dB的情况下识别率达到了80%。……