基于参数优化VMD和LightGBM的雷达辐射源个体识别

摘要

为解决在复杂电磁环境中雷达辐射源个体识别准确率低的问题,提出基于参数优化VMD和LightGBM的雷达辐射源个体识别技术。首先对雷达辐射源的无意特征进行分析,仿真添加了相位噪声作为雷达辐射源的指纹特征;其次利用麻雀搜索算法(SSA)对变分模态分解(VMD)的分解参数进行自动寻优,准确快速地得到最优分解参数组合为[2,2950];然后基于最优VMD分解参数对辐射源信号提取能量熵与样本熵作为特征向量;最后将特征向量送入LightGBM分类器完成辐射源个体识别。通过实测数据的验证,信噪比在25 dB时识别率能够达到85%以上,具有较为理想的识别结果。