论文研究-基于双谱二次特征的通信信号识别算法研究.pdf

所需积分/C币:13 2019-07-22 23:47:32 1.35MB .PDF

针对卫星通信中辐射源信号分类识别问题,开展基于双谱二次特征的卫星通信信号分类识别算法研究。通过辐射源信号的对角切片双谱获取信号特征,利用Chirp-Z变换将双谱对角切片特征从频域扩展至复平面,并提出扩展的基于巴氏(Bhattacharyya)距离的分离度准则作为信号双谱二次特征提取依据,提取出具有最强可分离度特征作为特征参数,并通过支持向量机进行分类识别仿真实验。实验表明,该识别算法适用于不同类型的卫星通信信号,且对噪声变化不敏感,可实现较高的正确识别率。
第6期 刘莹,等:基于双谱二次特征的通信信号识别算法研究 1837 P=1,2,…,M (12 橱。,x,∵,…·! 890 N 9oLAMMaIt 80 其中:m(mn)可确定为信号(i,j)类別间特征向量的有效数量 70 n相对应频率{on(p),p=1,2,…,n1}为有效频率,对于不 60 同的(i)类,相同的有效频率只取一次 50102030405060708090100501020304050607080950100 特征数 特征数 )根据有效频率,将最终选取的第l类信号具有n个最强 (a)SNR=O dB (b) sNr=5 dB 类可分离度的有效频率集合排成序列o(q),9=1,2,…,Q ,··· 890 e890 将相应的所有选择复双谱对角切片值排成序列{Z(q),q 册80 1,2,…,Q}。其中,Q=Σn,k=1,2,,N。则第/类信号e 的特征向量即为{z(q),q=1,2,…,Q。 60 BM g)将提取的特征向量输入分类器即可进行分类识别 102030405060708090100 102030405060708090100 特 特征数 3仿真与结果分析 SNREIO dB (d)SNR=15 dB 图2不同信噪比条件下识别率随特征数变化曲线 为验证算法所提取的双谱二次特征的有效性,选择FM 由图2中可以看出,与其他两种方法相比,基丁RM的复 AM、FSK、BPS、QSK五种常见通信信号,利用 MATLAB平台双谱对角切片法可实现相对较高的识别率。在特征个数大于 进行仿真实验。由于在实际应用中,进行数据分类识别时训练20时,正确识别率趋于稳定。当信噪比大于0dB时,平均识 样本并不完备,所以本文采用支持向量机(SVM)进行分类识别率均可达到95%以上,且随噪声变化不大。可见,采用巴氏 别实验。SVM是月标认别技术中的一种常用方法,其结构简距离准则进行信号识别具有良好的抗噪声性能,且优于其他两 单、收敛速度快、泛化能力强,具有良好的分类性能141。信号种二次提取方法。为检验文中二次特往提取方法对不同凋制 载频为430MH,采样频率为1.2CHz。使用随机序列作为调样式信号的认别能力,在信噪比为0dB时,对三种方法识别率 制信号,码元速率50MH,码长10bit,FSK信号调制指数从0.进行模拟仿真,如图3所示。 2变化至2,步长为0.1,BPSK、QPSK信号滚降系数为0.3到1, 数据样点数1M。对于每种信号在0~15dB每间隔5dB产生 300个样本,共1200个样本。首先为验证本文基于RM的特 征提取方法有效性,针对上M信号分别取50~500个样本,每 次递增50个样本作为训练样本,亏取700个数据作为测试集, FM AM FSK BPSK QPSK 分别采用双谱法、复双谱对角切片法以及文中提出的基于BM 信号调制类型 的复双谱对角切片法对FM信号进行特征提取识别,所得各方 图3信号分类识别正确率(SNR=0dB) 法正确识别率随训练样本数变化如图1所示。 可以看出,对于不同调制类犁的信号,基于BM的复双谱 + 对角切片汰获得的正确识别率均高于其他两种方法。在信噪 比大于0dB时,对于形式较为简单的信号(如AM与FM信 号),识别率可达95%以上;FSK信号识别率可达92%以上;对 于BSK和刂K信号,由于噪声增加弱化了信号相位特征,且 slice of complet Dip 高阶谱特征对白噪声弱化能力有限,故识别率相对较低,但相 100200300 500 训练样本数 比其余两种方法依然有所提高,均达到90%以上。 图1各方法正确识别率随训练样本数变化 山图1可知,复双谱对角切片法正确识别率最低,双谱法4结束语 识别率最高。基于BM的复双谱对角切片法识别率虽低于双 本文在提取卫星通信信号复对角切片双谱特征基础上.利 谱法,但随着训练样木个数増加,两者之问的差距逐渐减小 用扩展的巴氏距离准则对特征进行优化选择,并详细阐述了方 当样本数大于400组时,两种方法正确识别率差低于2%。由案的实现方法,最后进行计算机仿真。实验结果表明,该方案 表1分析可知,双谱法的高识别率是以牺牲算法执行吋间为前 耗时较少,且适用于多种典型卫星通信信号。所提取的二次特 提的。相比之下,采用基于BM的复双谱对角切片方法所耗时征在低信噪比条作下,依旧保持着较高的鲁棒性,在信噪比为 间较短,且在保证·定训练样本的前提下,识别率与双谱法相0dB时,识别率可达90%以上。 差不大,更加有利于工程应用。基于BM的复双谱对角切片方 法识别率明显高于普通复双谱对角切片法,这是由于扩展巴氏参考文献: 距离测度有效地剔除了贡献较少的无关双谱,将具有最大可分 [Ⅰ]」张彦龙,张登福,王世强,等,一种雷达辐射源双谱二次特痖提取 方法[J.现代雷达,2013,35(3):28-33 离度的特征向量应用丁分类识别。为检验文中基于BM的特 [2]陈昌孝,何明浩,未元清,等.基于双谱分析的雷达輻射源个体特 征二次提取方法的有效性,分别利用 Fisher判决准则(上M)与 征提取[J].系统工程与电子技术,200X,23(6):1046-1049 BWM分离度淮则与之对比。根据图1结果,对于每和信号选[3] Wang jie, Shen Qian, Oin Kaili.m1 melhod for sorting ra 取400个样本用于特征提取和分类器训练,其余800个用于信 dar emitter signal based on the bispectrum[ C]//Proc of International 号识别的测试集。得不同信噪比条件下,识别率与特征数变化 Conference on Information ring and Computer Science. Pisca 曲线如图2所示。 away: IEEE Press, 2009: 1-4 (下转笃1841页) 第6期 朱进勇,等:对称压缩谱的改进求根快速DOA估计 1841 工频为2.7GHz,RAM为4.0GB,三种算法运行的物理环境相参考文献 同,每种算法分别进行300次运算之后取其平均时间。 [1 Dmochowski J, Benesty J, Affers 5. Direction of arrival estimation 0.9 using eigenanalysis of the parameterized spatial correlation matrix 25 [CJ/Proc of ICASSP. Piscataway: IEEE Press, 2007: I1-14 0.6 [2 Stoica P, Nehorai A. MUSIC, maximIn likelihood, and Cramer-Rao 0.5 bound[ J]. IEEE Trans on Acoust, Speech, Signal Process 1989,37(5):720-741 [3 Schmidt R O. Multiple emitter tion[J. IEEE Trans on Antenna and Propagation, 1986, 34(3) 051015202530 信噪比SN 信噪比 SNr/dH 276-280 图6SNR变化的RME对比图图7成功概率与SNR关系对比图4]周小军,郭玉霞,王凌强,等.基于MUSC算法的DOA估计性能 表3DOA用时信噪比的关系比较(M=8,h=50)/10-2 仿真分折LJ」.兰州工业学院学报,2015,22(4):4 [5]王永良,陈煜,彭应宁,等空间谱估计理论与算法[M].北京:清 SNR/dB 算 华大学出版社,2004:253-301 0 5 [6 Xu Guanghan, Kailath T. Fast subspace decomposition [J MSCS 1.G761.6951.6941.6821.713 6971.687 Trans on Signal Process, 1994, 42(3): 539-551 Root-MUSIC 0. 1857 0.18280.18100 19630.17800.16010.1619[7 Kailath R R. ESPRiT-estimation of signal parameters via rotational in Root-MSCS0.18130.17620.18030.18110.16890.16570.1630 variance techniques[ J]. IEEE Trans on Acoustics, Speech and Processing,1989,37(7):984-985 由表3可以知道,在阵元数和快拍数一定、SNR改变的情 L8 Ren Q S, Willis A I. Fast root MUSIC algorithm[ J Electronics 况下,MSCS的DOA估计时间约为1.692×10-2s,Roo-MSC Letters,1997,33(6):450-451 的DOA估计时间约为0.1780×10-2s,Ro-MsCS的DOA估[9]黄光亚.Roo-MUsC,PM, MUSIC算法的比较[J].系统工程与电 计时间约为0.1738×10-s。由此可得,由于在半谱内由求根 子技术,2012,33(2):67-71 处理来代替谱峰搜索减少∫运算量,所以,相对丁MS来说,[10Mars,amal. The propagator method for source bearing estima- Hoot- MSCS算法的运算速度提高了近10倍。 tion[J| Signal Processing, 1995, 42(2): 121-1 [1Ⅰ]郭雪妍.基于高阶累积量的空间谱佑计算法硏究[D].哈尔滨 5结束语 哈尔滨工裎大学,2012 L12」张小飞,陈华伟,仇小铎.阵列信号处理及 MATLAD实现LM」.北 采用MSCS算法进行DOA估计吋,需要进行空间谱搜索 京:电子工业出版社,2015 计算量巨大;而Ko- MUSIC算法在低SNH时,降低了DOA估 [13 Yan Fenggang, Jin Ming, Qiao Xiaolin. Low-complexity DOA estima- tion based on compressed MUSIC and its performance analysis[ J] 计精度。本文利用导向矢量的特殊结构,构造出真实信源的镜 IEEE Trans on Signal Processing, 2013, 61(8): 1915-1930 像虚拟信源,提高了信号子空间的维度,降低了噪声子空间的[14]闫锋刚,刘帅,金铭,乔晓林.基于 MUSIC对称压编谱的快速DOA 维度;同时,借助 Pisarenko分解构造出一个具有对称关系的求 估计J].系统工程与电子技术,2012,34(11):2198-2202 根MSCS多项式。理论计算和仿真结果证明,与wsCs相比,[15]闫铎刚,金铭,乔晓林适用任意阵列的变换域二维波达角快速佔 该算法将DOA估计的运算速度提高了近10倍;与Roo- MUSIC 计算法LJ.电子学报,2013,41(5):936-942 [16 Fuchs JJ. Fxtension of the pisarenko method to sparse linear arrays 相比,估计精度得到一定程度的提高。因此,该算法在DOA估 [J. IEEE Trans on Signal Processing, 1995, 45(10): 2413- 计方面,具有一定的理论与应用价值。 (上接第1837页) bridge J. Engineering Structures, 2011, 33(4): 1348-1356 [4 Tsalsanis M K, GiannakisG B. Objecl and texture classificatin using [10] Ai Lingmei, Wang Jue, Huany Tiy, e! ul. Hand Tremor classifica higher order statistics[I. IEEE Trans on Pattern Analysis& Ma ion using bispectrum analysis of acceleration signals and back-propa chine Intelligence, 1992, 14(7): 733-750 gation neural network M1//Advances in Neural Networks. Berli [5」彭圆,申丽然,李雪耀,等.基于双谱的水下日标辐射噪声的特征 springer,2007:1202-1210 提取与分类研究「打冂.哈尔滨工程大学学报,2003,24(4):390 11 Xu Jianjun, Hu Guangdong. Chirp-Z transform and its applications in 394 spectrum analysis[ J. Journal of Basic Science Engineering [6 Chen Xinpu, Zhu Xiangy ang, Zhang Dingguo. A discriminant bispec- 2009,6(6):966-972. trum feature for surface electromyogram signal classification J. Medi- [12 Xie Wenchong, Chen Jianwen. Ballistic missile target recognition cal Engineering Physics, 2010, 32(2): 126-35 ased on improved bispectra feature[ C //Proc of Congress on Image [7ˉ程远胜,熊飞,刘均.基于HHT方法的时变多自由度系统的参数 and Signal Processing. [S 1.: IEEE Press, 2008: 253-257. 识别J」.华中科技大学学报:自然科学版,2007,35(5):41-43. [13 Bai Ou, Rathi V, Lin Peter, el al. Predic tion of human voluntary [8 Zhang Xianda, Shi Yu, Bao Zheng. A new feature vector using se movement before it occurs[J_. Clinical Neurophysio-logy Official lected bispectra for signal classification with application in radar target Joumal of the International Federation of Clinical Neurophysin- recognition[J]. IEEE Trans on Signal Processing, 2001, 49(9 gy,2011,122(2):364-372 1875-1885 [14] Vapnik V, Vashist A. A new learning paradigm: learning using privi [9 He X H, Hua X G, Chen Z Q, et al. EMD-based random decrement leged information[ J]. Neural Networks the Official Journal of the technique for modal parameter identification of an existing railway International Neural Network Society, 2009, 22(5-6): 544-557

...展开详情
img

关注 私信 TA的资源

上传资源赚积分,得勋章
最新资源