無(wú)線電干擾信號(hào)發(fā)現(xiàn)與識(shí)別的研究.pdf

1、隨著計(jì)算機(jī)和信息技術(shù)的發(fā)展，人們?cè)絹?lái)越重視從已有信息中挖掘有用信息，并對(duì)事物進(jìn)行理解、推斷和判斷。信息可以理解為數(shù)據(jù)、信號(hào)、消息所包含的意義。信息處理就是信息的采集、加工、傳送等過(guò)程，通常分為選擇與分離和識(shí)別與分類的信息處理。其中識(shí)別和分類的信息處理是信息處理技術(shù)發(fā)展較快的一個(gè)分支，通常稱為模式識(shí)別。
　　 k均值聚類將n個(gè)數(shù)據(jù)對(duì)象劃分為k類，以使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高，而不同聚類中的對(duì)象相似度較小。盡管

2、該方法是一種局部搜索尋優(yōu)方法，對(duì)初始值很敏感，容易陷入局部極小值，往往得不到滿意的聚類結(jié)果，但其仍然在圖像分割、郵件過(guò)濾等中有著廣泛的應(yīng)用。ISODATA（迭代自組織數(shù)據(jù)分析技術(shù)）同k均值聚類都是動(dòng)態(tài)聚類算法，它與k均值聚類不同之處在于不是每調(diào)整一次類別就重新計(jì)算中心，而是將全部樣本都調(diào)整完畢才計(jì)算一次中心，而且可以自動(dòng)進(jìn)行類的“合并”和“分裂”。在商業(yè)上區(qū)分不同消費(fèi)群體、圖像處理和模式識(shí)別中有著廣泛的應(yīng)用，在無(wú)線電監(jiān)測(cè)領(lǐng)域未曾應(yīng)用。<

3、br>　　 本文首先介紹與研究課題相關(guān)的基礎(chǔ)知識(shí)，然后從選擇和分離的信息處理與識(shí)別和分類的信息處理兩個(gè)方面入手，來(lái)研究以數(shù)據(jù)為處理對(duì)象的信息處理。以發(fā)現(xiàn)非法信號(hào)為出發(fā)點(diǎn)，保障衛(wèi)星電視通訊安全，維護(hù)社會(huì)穩(wěn)定和人民群眾正常的生活為目的，開發(fā)出可以替代監(jiān)測(cè)人員工作的軟件系統(tǒng)。
　　 其中分離的信息處理主要是從信號(hào)的頻譜數(shù)據(jù)中分離底噪聲數(shù)據(jù)，而識(shí)別和分類的信息處理是完成干擾信號(hào)類型的識(shí)別。由于本文中涉及的去除噪聲的實(shí)際問(wèn)題和傳統(tǒng)的意義

4、上的去噪有所區(qū)別，結(jié)合系統(tǒng)本身實(shí)時(shí)性的要求，提出了基于k均值聚類的去除底噪聲方法。再者，在無(wú)線電監(jiān)測(cè)業(yè)務(wù)中對(duì)干擾信號(hào)的分類只是寬泛的概念，也就是說(shuō)監(jiān)測(cè)人員只要籠統(tǒng)地知道是干擾信號(hào)即可。面對(duì)這樣的實(shí)際問(wèn)題提出了基于ISODATA算法的分層結(jié)構(gòu)聚類算法。
　　 使用本文中的方法將使得信號(hào)的識(shí)別率大幅度提高，尤其是低信噪比下的正確率。本論文的主要研究成果可歸納如下：
　　 1．在大量仿真實(shí)驗(yàn)的基礎(chǔ)上，改進(jìn)了底噪聲處理的方法；改