吴 莹 罗 明

(西安电子科技大学电子工程学院，陕西西安 710071)

1 引言

近年来，联合时频分析(Time-frequency Analysis，TFA)在不同的信号处理应用上比如水下声学、语音处理和医学分析等领域得到了广泛的应用。雷达研究人员也对它进行了研究，并将其作为雷达信号检测、分析和识别的一个非常有效的工具。本文采用了径向高斯核(Radially Gaussian Kernel，RGK)时频分析方法,其核函数不仅能有效压制交叉干扰项的存在，而且能自适应于多种类型信号。将径向高斯核时频分析方法[1]应用于雷达信号，对获得的时频分布进行奇异值分解，提取奇异向量作为本文雷达信号分类识别的特征参数。

目前用于雷达信号分类识别的方法主要可以划分为：无监督学习、监督学习和半监督学习等。文献[2]利用 K-means方法进行聚类；文献[3]提出基于核模糊C-means的雷达信号识别算法；这两种算法均属于无监督学习，虽然操作简单，成本低，但实际效果不太理想。文献[4]利用支持向量机(Support Vector Machine，SVM)来解决雷达信号识别问题；该方法属于监督学习，监督学习需要大量的训练样本，但实际应用中有标签样本数据特别少，因此有一定的局限性。文献[5]提出基于半监督学习(S3VM)的雷达信号识别方法；文献[6]采用多核半监督学习算法(TSVM-MKL)进行雷达信号识别；半监督学习(Semi-supervised Learning, SSL)方法是在较少量的有标签样本数据下，利用无标签样本数据来改善训练学习效果，但是对于目前的雷达信号分类过程中，获取较少的训练样本仍是一个具有挑战的问题，而可获取的有标签样本的数量相对更少。……