基于修正的M距离辐射源识别方法及计算机仿真

间的相关性影响；同时，给出的结果是一个数值，判断标准简单易行，也为更高一级的分析提供了较可靠的依据。但是，M距离的定义中并没有考虑每一个特征参数在识别过程中所起作用即权重的大小。从式(4)可以看出，各特征参数在识别中是作等权值处理的，不符合实际情况。因此，采用修正的M距离作为相似性度量标准。定义新的距离函数如下：

其中W为权系数矩阵，表示如下：

且满足则（4）式可表示为：

这样，得到了一个新的相似性度量标准。

2 权系数的设置

一般来说，对辐射源目标特征参数之间重要性没有任何先验信息，采用等加权处理方法，如式(4)所示。它是修正的M距离的一个特例。如果是具有一定先验信息的情况，此时权值可根据先验信息确定。但在实际工，作中，先验信息很难得到，此时可以采用如下的熵值分

析法确定权系数。

2．1 熵的定义[2]

熵在信息论中是一个非常重要的概念，它是不确定性的一种度量。设集合X中各事件出现的概率用n维概率矢量p=(p1,p2,…,pn)表示，且满足则熵定义为：

因此，熵H可以看作是n维概率矢量户p=(p1,p2,…，Pn)的函数，称为熵函数。

熵函数H(p)具有以下重要性质：

(1)对称性：概率矢量p=(P1,P2，…，Pn)各分量p1,p2,，…，Pn的次序任意改变时，熵函数H(P)的值不变，即熵值只与集合X总体上的统计特征有关。

(2)非负性：熵函数是一个非负量，即： H(Pl,P2，…，Pn)≥0 (9)

(3)确定性：集合X中只要有一个必然事件，其熵值必为零。

(4)极值性：集合X中各事件以等概率出现时，其熵值为最大，即有：

H(p1,p2,…,pn)≤H（1/n,1/n,…,1/n）=1nn    (10)

由熵函数的定义可知，熵值越小，不同类别的分离程度越大

《基于修正的M距离辐射源识别方法及计算机仿真(第2页)》