《表3 高信噪比条件下分选结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于分数阶傅里叶变换的多分量LFM信号检测与分选方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步验证基于FrFT提取的波形特征，对表1给出的信号参数增加方差为1%的随机扰动，模拟实际复杂场景下的测量误差，总共得到450组仿真数据，每个LFM分量150组。然后从中任意选取1/3作为训练数据（共150组，每个LFM分量50组），剩余2/3作为测试数据（共300组，每个LFM分量100组）。根据典型信号分类过程，首先根据1.3小节介绍的方法对训练数据提取上述三维特征，得到特征向量，然后利用特征向量对SVM分类器（SVM分类器选用高斯核，利用交叉验证的方式确定核函数为1.6）进行训练得到最优分类面，最后对测试数据提取相同的三维特征，利用最优分类面进行分类，得到的分类结果混淆矩阵如表3所示，并与传统基于频率、脉宽和到达角的三参数特征提取方法进行对比，可以看出利用所提方法能够得到高达94.57%的正确分类结果，明显高于三参数方法88.52%的分类结果，同时对于每一个LFM分量，所提方法均可以获得最优的分类性能。