杨 洁，岳美君，曾耀平

(西安邮电大学 通信与信息工程学院，陕西 西安 710121)

0 引 言

雷达辐射源信号识别分类技术一直是电子对抗领域中重点研究的课题方向。由于信号源特征未知、频率范围大和信号波形日益变化多端，雷达辐射信号的指纹特征就成为准确识别辐射源信号的重要因素。目前雷达体制越来越复杂，传统分析方法无法准确地对雷达信号进行特征提取。因此，近年来涌现出新的特征提取方法，如变分模态分解(variational mode decomposition，VMD)是Dragomiretskiy等[1]在2014年提出的一种新的自适应信号分解方法，经过预设模态分量的个数达到有效分离模态信号的目的，可以解决经验模态分解中存在的模态混叠和端点效应问题。国外学者[2-5]使用VMD对信号进行处理可以达到很好的分类效果。崔芮华等将VMD与近似熵结合应用在航空串联型电弧故障检测中，很好地抑制了模态混叠[6]。史丽敏将近似熵与能量熵用于电力变压器振动信号特征提取，取得了很好的效果[7]。万书亭等将VMD与样本熵用于对高压断路器振动信号进行特征提取，也达到了很好的识别效果[8]。

文中提出了基于VMD和熵特征结合的雷达辐射源个体识别法，该方法使用VMD算法得到雷达信号2个本征模态函数，得到2个模态的中心频率结合近似熵与范数熵组合成多维雷达特征送入粒子群支持向量机(particle swarm optimization support vector machine，PSOSVM)分类器进行分类识别，集聚多种特征的识别优势来提升雷达辐射源信号识别准确率，相比于原来单一熵特征结合识别方法在分类效果上更具有优势。……