基于修正的M距离辐射源识别方法及计算机仿真

2.2 熵值分析法设置权重

对于有k类模式的雷达辐射源识别问题，已提取的特片参数共有m个，如式（2）所示。对每一个特征参数Fj;j=1,2,…，m，将其对应的分布区间分为相等的N段，记为rk(j),k=1,2,…,N.注意，这里的分布区间是指k类模式的最大可能的参数分布区间。满足Fj∈rk(j)的样本属于i类的概率为pki(j):

pki(j)=[Nki(j)]/[Nk(j)]    (11)

式（11）中，Nk(j)为有Fj∈rk(j)的样本数，Nki(j)为Nk(j)中属于第i类的样本数，于是有：

又设pk(j)为一个样本有Fj∈rk(j)的概率，则有：

pk(j)=[Nk(j)]/N0    (13)

式（12）中N0为总的样本数，即：

从而定义特片Fj的熵值为：

根据熵函数的性质，熵值H(Fi)越小，各类模式在特征Fi上的类间分离性越大，则特征巧对分类的贡献越大，即在识别过程中的权重越大。如果有Fiεrk(j)的所有样本都属于同一类，则有H(Fi)=0。在这种情况下，用这一特征巧就可以实现分类识别。在得到各个特征参数的H(Fi)后，就可以定义相应的归一化权值如下：

需要注意的是，由于识别过程实际上是将侦察所得信号与辐射源数据库中的已知信号相比较，因而可以采用辐射源数据库中的数据作为熵值分析法的样本。这实际上是充分利用已有的知识数据库中的分类信息确定各特征参数在识别中的权值，以期得到较好的识别效果。

获得权系数后，就可根据相似性度量的大小判断一个特征向量应属于哪一类。若已知待识别信号为。，显然满足M'(s,ui)最小的类ωi与样本有着最大的相似度。即：

M'(s，9ui)=min(M'(s，uj))→sεωi    (18)

其中i，j=1，2，…，K，K为类的总数，ωi表示第i类。

3 仿真实验及结果分析

在该实验中以雷达知识数据库中11类雷达辐射源的识别问题作为研究对象。所采用的描述雷达类型的特征参数为：载频、重频间隔、