基于細(xì)微特征的通信信號分類識別研究.pdf

1、通信信號的分類識別主要用于實(shí)現(xiàn)對通信電臺(tái)的個(gè)體識別，從而為通信網(wǎng)絡(luò)的組成提供進(jìn)一步判定的依據(jù)。通信信號的分類識別依據(jù)對由于各電臺(tái)硬件差異而附加在發(fā)射信號上的細(xì)微差異的分析研究來進(jìn)行。本文主要研究如何通過對信號進(jìn)行相關(guān)變換和特征降維來實(shí)現(xiàn)基于細(xì)微特征的通信信號分類識別。
　　 首先，研究了基于細(xì)微特征的信號分選識別方法的相關(guān)概念。對細(xì)微特征的產(chǎn)生機(jī)理，特征分析的可行性以及細(xì)微特征分析對信號分類識別的作用等作了一定研究，對基于細(xì)微特

2、征的信號分類的總體架構(gòu)作了探討。
　　 其次，研究了基于時(shí)頻核方法的信號分類識別。傳統(tǒng)基于時(shí)頻分析的細(xì)微特征研究方法使用標(biāo)準(zhǔn)的時(shí)頻分布或者是對預(yù)先定義好的時(shí)頻核函數(shù)的參數(shù)優(yōu)化，沒有明確的將分類作為時(shí)頻表示的目標(biāo)。以分類為目的的時(shí)頻核分析方法以強(qiáng)調(diào)不同類之間的差別作為時(shí)頻表示的設(shè)計(jì)目標(biāo)。在對現(xiàn)有的特征降維方法如Fisher方法和K-L方法進(jìn)行研究的基礎(chǔ)上提出了Fisher-KL聯(lián)合方法，即對Fisher方法得到的降維特征空間再進(jìn)行

3、K-L變換。該算法消除了Fisher方法提取后的特征存在的相關(guān)性，同時(shí)降低了K-L方法中待分解矩陣的維數(shù)，因此具有較好的分類性能且運(yùn)算難度降低。仿真結(jié)果驗(yàn)證了算法對于通信信號的分選識別的有效性。
　　 最后，研究了基于最佳基算法的信號分類識別。傳統(tǒng)上短時(shí)傅里葉變換通過窗的使用來得到信號的局部時(shí)頻特性，但窗的不連續(xù)會(huì)造成信號的突然截?cái)?，而重疊窗則容易導(dǎo)致模糊。局部小波包變換和局部余弦變換通過平滑的截?cái)嗪瘮?shù)和折疊操作來同時(shí)保證連續(xù)和