基于細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現(xiàn)對通信電臺的個體識別，從而為通信網(wǎng)絡(luò)的組成提供進一步判定的依據(jù)。通信信號的分類識別依據(jù)對由于各電臺硬件差異而附加在發(fā)射信號上的細微差異的分析研究來進行。本文主要研究如何通過對信號進行相關(guān)變換和特征降維來實現(xiàn)基于細微特征的通信信號分類識別。
　　 首先，研究了基于細微特征的信號分選識別方法的相關(guān)概念。對細微特征的產(chǎn)生機理，特征分析的可行性以及細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，研究了基于時頻核方法的信號分類識別。傳統(tǒng)基于時頻分析的細微特征研究方法使用標(biāo)準(zhǔn)的時頻分布或者是對預(yù)先定義好的時頻核函數(shù)的參數(shù)優(yōu)化，沒有明確的將分類作為時頻表示的目標(biāo)。以分類為目的的時頻核分析方法以強調(diào)不同類之間的差別作為時頻表示的設(shè)計目標(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算難度降低。仿真結(jié)果驗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)上短時傅里葉變換通過窗的使用來得到信號的局部時頻特性，但窗的不連續(xù)會造成信號的突然截斷，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斷函數(shù)和折疊操作來同時保證連續(xù)和