基于AdaBoost分类器的典型战术数据链信号识别方法

现代作战体系主要依靠战术数据链传递战术信息,因此对侦收到的敌方数据链信号进行准确高效识别的重要性日益凸显。现有特征提取方法是基于单一的信号维度,无法在更高维度条件下获得信号多维耦合特征,同时单一分类器分类识别概率不高。针对此问题,提出在数据链信号时频图和循环谱图中提取多维特征,采用基于AdaBoost算法的自适应优化组合分类器,形成AdaBoost强分类器对数据链信号进行识别。通过仿真分析可知,基于多维特征的AdaBoost强分类器对数据链信号的分类识别,相较于单个分类器,其识别准确率有明显提升,具有良好的应用前景。