计算机应用研究

作者：杨银松,郭英,李红光,眭萍,于欣永,

单位：1.空军工程大学信息与导航学院,西安710077；2.空军通信士官学校,辽宁大连116100；

关键词：特征选择,跳频电台,关联信息熵,最大信息系数,投票组合分类器,

基金：国家自然科学基金资助项目；；

针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题，提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集，然后采用关联信息熵度量特征子集的组合效应，兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上，采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征，实现对特征子集进行优化和降维。最后，设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明，本文算法具有更高的分选识别率。

来源：2019年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第12期