CN106789783B - 一种利用短时拉马努金傅里叶变换谱图的信号识别方法 - Google Patents
一种利用短时拉马努金傅里叶变换谱图的信号识别方法 Download PDFInfo
- Publication number
- CN106789783B CN106789783B CN201610903244.XA CN201610903244A CN106789783B CN 106789783 B CN106789783 B CN 106789783B CN 201610903244 A CN201610903244 A CN 201610903244A CN 106789783 B CN106789783 B CN 106789783B
- Authority
- CN
- China
- Prior art keywords
- signal
- square
- nike
- weight
- puppet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0008—Modulated-carrier systems arrangements for allowing a transmitter or receiver to use more than one type of modulation
Abstract
本发明公开了一种利用短时拉马努金傅里叶变换谱图的信号识别方法,该方法包括:计算模板信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图;对质心移位谱图计算3阶3重伪泽尼克矩的虚部均值和实部均值,分别根据虚部均值和实部均值设定阈值thLFM_1和阈值thLFM_2;对其余模板信号的质心移位谱图计算2阶0重伪泽尼克矩和5阶1重伪泽尼克矩,构造模板聚类;计算待识别信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图;对待识别信号的质心移位谱图计算3阶3重伪泽尼克矩的虚部均值和实部均值,分别根据阈值thLFM_1和阈值thLFM_2,分离待识别的LFM信号等步骤。本发明解决了基于短时傅里叶变换的信号识别方法存在的低信噪比条件下信号识别率低的问题。
Description
技术领域
本发明涉及信号处理技术,特别涉及一种利用短时拉马努金傅里叶变换谱图的信号识别方法。
技术背景
随着无线通信技术的快速发展,现代通信环境的日益复杂,信号类型识别技术无论在民用还是军用方面都具有非常重要的意义。而在先验知识缺乏,低信噪比条件下实现可靠的信号类型识别显得尤为重要和迫切。
目前信号识别的常用方法包括基于似然函数的方法和基于特征提取的方法两种,而时频分析法作为基于特征提取方法的一种,由于其可以建立时间和频率的瞬时对应关系,可以用来分析信号的频谱随时间的变化规律而成为研究热点,而短时傅里叶变换作为时频分析方法的一种由于具有实现简单且没有交叉项的优点而被广泛应用于信号识别中。例如:2006年,于立涛发表在《弹箭与制导学报》的文献:“基于STFT的雷达脉内调制信号类型识别。”2010年,董海发表在《电讯技术》的文献:“基于短时傅里叶变换的相位编码信号分析。”2012年,孔翠莲发表在《四川大学学报》的文献:“基于伸缩窗口STFT的信号调制的识别。”这些方法均是对信号基于短时傅里叶变换提取信号特征,根据特征实现信号识别,虽然取得了一定成效,但存在低信噪比条件下信号识别率低的问题。
发明内容
本发明的目的在于克服基于短时傅里叶变换的信号识别方法存在的低信噪比条件下信号识别率低的缺点。
本发明的技术方案是:本发明提供了一种利用短时拉马努金傅里叶变换谱图的信号识别方法,其特征在于,该方法包括:
步骤1、对模板信号si,L,x计算归一化短时拉马努金傅里叶变换谱图i为各调制信号类型对应的序号,L=1,2,....F,L为实验次数,x为噪声信噪比(SNR)分贝值,时间k=1,2,...,N,整数周期q=1,2,...,N,M,F,N是自然数;
计算所述归一化短时拉马努金傅里叶变换谱图的质心移位谱图 为所述归一化短时拉马努金傅立叶变换谱图的质心。
步骤2、计算所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3,对所述3阶3重伪泽尼克矩ψ3,3计算虚部imag(ψ3,3)均值MAr和实部real(ψ3,3)均值MAr根据所述虚部imag(ψ3,3)均值MAr设定阈值thLFM_1,根据所述实部real(ψ3,3)均值MAr设定阈值thLFM_2。
步骤3、计算除线性调频信号(LFM)之外的其余模板信号si,L,x,所述质心移位谱图的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,根据所述2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造模板聚类
步骤4、计算待识别信号s′i,x的归一化短时拉马努金傅里叶变换谱图计算所述待识别信号s′i,x的归一化短时拉马努金傅里叶变换谱图的质心移位谱图
步骤5、对所述待识别信号s′i,x的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3的虚部imag(ψ3,3)均值MAr和实部real(ψ3,3)均值MAr若各待识别信号的所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3的虚部imag(ψ3,3)均值MAr大于阈值thLFM_1或者各待识别信号的所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3的实部均值MAr小于阈值thLFM_2,则认为是LFM信号。
步骤6、对其余待识别信号s′i,x,计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,对所述其余待识别信号s′i,x的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造特征向量根据所述模板聚类i=2,...,M运用k近邻分类器,对其余待识别信号进行分类,实现所述其余待识别信号的识别。
进一步地,步骤1中:
调制信号类型包括:线性调频信号(LFM)、单频脉冲信号(CW)、二相编码信号(BPSK)、二进制频率编码信号(2FSK)和四进制频率编码信号(4FSK)。
本发明的有益效果是:
由于基于拉马努金傅立叶变换的时频分析方法相比较基于傅立叶变换的时频分析方法的抗噪声效果好,本发明利用短时拉马努金傅立叶变换的时频分析方法代替短时傅里叶变换的时频分析方法,解决了基于短时傅里叶变换的信号识别方法存在的低信噪比条件下信号识别率低的问题。
附图说明
图1为本发明公开的信号识别方法流程图;
图2(a)为加入SNR为5dB高斯白噪声时,对不同模板信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3虚部的均值;
图2(b)为加入SNR为-5dB高斯白噪声时,对不同模板信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3虚部的均值;
其中,○表示CW信号,*表示LFM信号,☆表示BPSK信号,◇表示2FSK信号,▽表示4FSK信号。
图3(a)为加入SNR为5dB高斯白噪声时,对不同模板信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3实部的均值;
图3(b)为加入SNR为-5dB高斯白噪声时,对不同模板信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3实部的均值;
其中,○表示CW信号,*表示LFM信号,☆表示BPSK信号,◇表示2FSK信号,▽表示4FSK信号。
图4为本发明公开的SNR分别设定-5dB、0dB和5dB,对时宽带宽积变化范围在8-40的模板LFM信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3虚部的均值;
其中,○表示SNR为5dB,*表示SNR为0dB,▽表示SNR为-5dB。
图5为本发明公开的使用3阶3重伪泽尼克矩ψ3,3虚部的均值分离待识别LFM信号的阈值选取;
其中,○表示CW信号,*表示LFM信号,☆表示BPSK信号,◇表示2FSK信号,▽表示4FSK信号。
图6为本发明公开的SNR分别设定-5dB、0dB和5dB,对时宽带宽积变化范围在41-500的模板LFM信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3实部的均值;
其中,○表示SNR为5dB,*表示SNR为0dB,▽表示SNR为-5dB。
图7为本发明公开的使用3阶3重伪泽尼克矩ψ3,3实部的均值分离待识别LFM信号的阈值选取;
其中,该图中○表示CW信号,*表示LFM信号,☆表示BPSK信号,◇表示2FSK信号,▽表示4FSK信号。
图8为本发明公开的加入SNR为5dB高斯白噪声下,对其余四种模板信号的归一化短时拉马努金傅里叶变换谱的质心移位谱图计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构成的各模板聚类散点图分布;
其中,该图中○表示CW信号聚类,*表示BPSK信号聚类,☆表示2FSK信号聚类,◇表示4FSK信号聚类。
图9为本发明公开的加入SNR为-5dB高斯白噪声,对其余四种模板信号的归一化短时拉马努金傅里叶变换谱的质心移位谱图计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构成的各模板聚类散点图分布;
其中,该图中○表示CW信号聚类,*表示BPSK信号聚类,☆表示2FSK信号聚类,◇表示4FSK信号聚类。
图10为本发明公开的载频变化时三种待识别信号识别的准确率;
其中,该图中○表示CW信号,*表示LFM信号,☆表示BPSK信号。
图11为本发明公开的对五种待识别信号识别的准确率。
其中,该图中○表示结合短时拉马努今傅里叶变换和伪泽尼克矩算法的五种待识别信号识别的准确率,*表示结合短时傅里叶变换和伪泽尼克矩算法的五种待识别信号识别的准确率。
具体实施方式
以下将参照图1-11对本发明的具体实施方案进行说明。
一种信号识别方法,如图1所示,该方法包括:
步骤1、对模板信号si,L,x计算归一化短时拉马努金傅里叶变换谱图i为各调制信号类型对应的序号,L=1,2,....F,L为实验次数,x为噪声信噪比(SNR)分贝值,时间k=1,2,...,N,整数周期q=1,2,...,N,M,F,N是自然数;
计算所述归一化短时拉马努金傅里叶变换谱图的质心移位谱图 为所述归一化短时拉马努金傅立叶变换谱图的质心。
进一步地,步骤1中,目前常用调制信号类型包括:线性调频信号(LFM)、单频脉冲信号(CW)、二相编码信号(BPSK)、二进制频率编码信号(2FSK)和四进制频率编码信号(4FSK)。
(1)线性调频信号(LFM)的表达式为
其中,表示初始频率,u表示调频斜率,Ts表示采样间隔。
(2)单频脉冲信号(CW)的表达式为
其中,A表示信号的振幅,表示信号的初始相位,表示一个周期内的采样点数,fs表示采样频率,fc表示载波频率。
(3)二相编码信号(BPSK)表达式为
其中,ε(n)表示阶跃函数,τ表示脉冲宽度,和分别取0相位和π相位。
(4)二进制频率编码信号(2FSK)表达式为
其中,分别表示对应与不同载波频率fc和fc1的一个周期内的采样点数。
(5)四进制频率编码信号(4FSK)表达式为
其中,分别表示对应与不同载波频率fc,fc1,fc2和fc3的一个周期内的采样点数。
(6)短时拉马努金傅里叶变换的表达式为
其中,为拉马努金代数和,(p,q)=1表示为p和q的最大公约数为1,为矩形窗函数,φ(q)为欧拉函数。
(7)短时拉马努金傅里叶变换谱图Ss(k,q)的表达式为
Ss(k,q)=|ST-RFTs(k,q)|2
(8)归一化短时拉马努金傅里叶变换谱图Ps(k,q)的表达式为
将所述归一化短时拉马努金傅里叶变换谱图Ps(k,q)的质心平移到坐标系中的坐标原点后新谱图
其中,为所述归一化短时拉马努今傅立叶变换谱图Ps(k,q)的质心,表达式为
其中,M1,0,M0,1分别表示所述归一化短时拉马努今傅立叶变换谱图Ps(k,q)关于k轴和q轴的密度矩,分别定义为
其中,M0,0表示所述归一化短时拉马努今傅立叶变换谱图Ps(k,q)的总密度,表达式为
需要说明的是:
加入噪声为幅度分布服从高斯分布,功率谱密度服从均匀分布的高斯白噪声。计算所述质心移位谱,是为了获得伪泽尼克矩的平移不变性特征,为了使最终在载频变化时实现信号识别。
步骤2、计算所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3,对所述3阶3重伪泽尼克矩ψ3,3计算虚部imag(ψ3,3)均值和实部real(ψ3,3)均值根据所述虚部imag(ψ3,3)均值设定阈值thLFM_1,根据所述实部real(ψ3,3)均值设定阈值thLFM_2。
其中,步骤2中所述阈值thLFM_1和thLFM_2的确定方法具体包括:
a、设定模板线性调频信号(LFM)的时宽带宽积uτ2 w,w=1,2,K,C,C为所设定的时宽带宽积uτ2 w个数,确定模板二进制频率编码信号(2FSK)和模板四进频率制编码信号(4FSK)的带宽uτw。
b、计算不同时宽带宽积的模板线性调频信号(LFM)不同带宽的模板二进制频率编码信号(2FSK)模板四进制频率编码信号(4FSK)模板单频脉冲信号(CW)s2,L,x和模板二相编码信号(BPSK)s3,L,x的质心移位谱图 和
c、计算所述各质心移位谱图 和的所述3阶3重伪泽尼克矩ψ3,3的虚部均值 和以及所述3阶3重伪泽尼克矩ψ3,3的实部均值 和
d、设定噪声信噪比(SNR)x的范围Rx,确定在所述噪声信噪比(SNR)x的范围Rx内模板线性调频信号(LFM)的所述3阶3重伪泽尼克矩ψ3,3的虚部均值的最小值其余模板信号的所述3阶3重伪泽尼克矩ψ3,3的虚部均值 和中的最大值i=2,...,5以及确定模板线性调频信号(LFM)的所述3阶3重伪泽尼克矩ψ3,3的实部均值的最大值其余模板信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值 和中的最小值
e、将模板线性调频信号(LFM)的所述3阶3重伪泽尼克矩ψ3,3的虚部均值的最小值与其余模板信号的所述3阶3重伪泽尼克矩ψ3,3的虚部均值 和中的最大值i=2,...,5的均值作为阈值thLFM_1,将模板线性调频(LFM)信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值的最大值与其余模板信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值 和中的最小值的均值作为阈值thLFM_2。
步骤3、计算其余模板信号si,L,x,i=1为线性调频信号(LFM),i=2,...,M的所述质心移位谱图的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,根据所述2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造模板聚类
步骤4、计算待识别信号s′i,x的归一化短时拉马努金傅里叶变换谱图计算所述待识别信号s′i,x的归一化短时拉马努金傅里叶变换谱图的质心移位谱图
步骤5、对所述待识别信号s′i,x的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3的虚部imag(ψ3,3)均值和实部real(ψ3,3)均值分别根据所述阈值thLFM_1和thLFM_2,运用阈值判决法,分离待识别的线性调频信号(LFM)。
需要说明的是:
若所述待识别信号s′i,x的质心移位谱图的3阶3重伪泽尼克矩ψ3,3的虚部imag(ψ3,3)均值大于所述阈值thLFM_1或所述待识别信号s′i,x的质心移位谱图的3阶3重伪泽尼克矩ψ3,3的所述实部real(ψ3,3)均值小于所述阈值thLFM_2,则认为待识别信号为线性调频信号(LFM)。
步骤6、对其余待识别信号s′i,x,i=2,...,M计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,对所述待识别信号s′i,x的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造特征向量根据所述模板聚类i=2,...,M运用k近邻分类器,对其余待识别信号进行分类,实现所述其余待识别信号的识别。
本发明以线性调频信号、单频脉冲信号、二相编码信号、二进制频率编码信号和四进制频率编码信号五种类型信号为实施例对本发明进行详细说明;
本发明具体实施例用缩写LFM表示线性调频信号、缩写CW表示单频脉冲信号、缩写BPSK表示二相编码信号、2FSK表示二进制频率编码信号、4FSK表示四进制频率编码信号。
下面是一个利用短时拉马努金傅里叶变换谱图的信号识别实例:
一、计算模板LFM信号、模板CW信号、模板BPSK信号、模板2FSK信号和模板4FSK信号的归一化短时拉马努金傅里叶变换谱图,并对所述归一化短时拉马努金傅里叶变换谱图计算质心移位谱图。
设定五种模板信号脉宽τ=0.5μs,载频为400MHz,采样频率为8000MHz;模板LFM信号时宽带宽积uτ2 w为80;模板BPSK、2FSK、4FSK信号的码元速率为0.1MHz/μs,模板BPSK信号二相码为五位巴克码N=[1,1,1,0,1];模板2FSK和4FSK信号为固定编码方式,频率间隔为400MHz,编码序列分别为[1 0 1 1 0]以及[0 3 1 0 2],设定高斯白噪声信噪比x为30dB。
二、计算五种模板信号质心移位谱图的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3的虚部均值和实部均值,根据所述虚部均值设定阈值thLFM_1,根据所述实部均值设定阈值thLFM_2。
1、设定模板LFM信号时宽带宽积的变化范围,确定模板2FSK、4FSK信号响应的带宽。
设定信号脉冲宽度τ=0.5μs,载频为800MHz,采样频率为8000MHz;LFM信号时宽带宽积uτ2 w变化范围为8—500,在固定模板信号脉宽τ=0.5μs的条件下,求得2FSK和4FSK信号的带宽uτw相应的变化范围为16—1000MHz。
2、设定噪声值,计算不同时宽带宽积的模板LFM信号,不同带宽的模板2FSK、4FSK信号,模板CW信号以及模板BPSK信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图。
3、设定噪声值,计算所述各质心移位谱图3阶3重伪泽尼克矩ψ3,3的虚部均值和实部均值。
设定高斯白噪声信噪比x=-5,5dB,信号脉冲宽度τ=0.5μs,载频为800MHz,采样频率为8000MHz;LFM信号时宽带宽积uτ2 w变化范围为8—500;2FSK和4FSK信号的带宽uτw变化范围为16—1000MHz,且为固定编码方式,编码序列分别为[1 0 1 1 0]以及[0 3 1 02],频率间隔为400MHz;BPSK信号二相码为五位巴克码N=[1,1,1,0,1];BPSK、2FSK和4FSK信号的码元速率为0.1MHz/。重复50次蒙特卡洛实验。
加入x=5dB高斯白噪声,不同时宽带宽积uτ2 w的LFM信号,不同带宽uτw的2FSK、4FSK信号,CW信号以及BPSK信号的所述3阶3重伪泽尼克矩ψ3,3的虚部均值 和的曲线如图2(a)所示。加入x=-5dB高斯白噪声,不同时宽带宽积uτ2 w的LFM信号,不同带宽uτw的2FSK、4FSK信号,CW信号以及BPSK信号的所述3阶3重伪泽尼克矩ψ3,3的虚部均值 和的曲线如图2(b)所示。
图2(a)和图2(b)中关系曲线显示了LFM信号时宽带宽积uτ2 w在8—500范围内变化,2FSK、4FSK信号带宽uτw在16—1000MHz范围内变化时,不同时宽带宽积uτ2 w的LFM信号的所述3阶3重伪泽尼克矩ψ3,3的虚部均值x=-5,5dB随SNR的减小而降低。且使用所述3阶3重伪泽尼克矩ψ3,3的虚部均值作为特征适合于分离时宽带宽积uτ2 w在8—40变化范围内的待识别LFM信号。
加入x=5dB高斯白噪声,不同时宽带宽积uτ2 w的LFM信号,不同带宽uτw的2FSK、4FSK信号,CW信号以及BPSK信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值 和的曲线如图3(a)所示。加入x=-5dB高斯白噪声,不同时宽带宽积uτ2 w的LFM信号,不同带宽uτw的2FSK、4FSK信号,CW信号以及BPSK信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值 和的曲线如图3(b)所示。
图3(a)和图3(b)中关系曲线显示了LFM时宽带宽积uτ2 w在8—500范围内变化,2FSK、4FSK信号带宽uτw在16—1000MHz范围内变化时,不同时宽带宽积uτ2 w的LFM信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值与其余四种信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值和之间的平均距离MDx随着SNR的增大而减小,在x=5dB时所述平均距离MDx取得最小。且使用所述3阶3重伪泽尼克矩ψ3,3的实部均值作为特征适合于分离时宽带宽积uτ2 w在41—500变化范围内的待识别LFM信号。
4、根据虚部均值和实部均值设定阈值。
设定高斯白噪声信噪比x=-5,0,5dB,重复50次蒙特卡洛实验,时宽带宽积uτ2 w在8-40范围内变化的LFM信号的所述3阶3重伪泽尼克矩ψ3,3虚部的均值变化曲线如图4所示。
图4中曲线显示了当高斯白噪声信噪比x=-5dB,LFM信号的所述时宽带宽积uτ2 w为40时,所述3阶3重伪泽尼克矩ψ3,3虚部的均值获得最小值。
设定当高斯白噪声信噪比x的变化范围Rx为-5—5dB,在LFM信号的时宽带宽积uτ2 w为40,即2FSK、4FSK信号带宽uτw为80的情况下,各信号的所述3阶3重伪泽尼克矩ψ3,3虚部的均值 和的变化曲线如图5所示。
图5曲线显示了时宽带宽积uτ2 w为40的LFM信号的所述3阶3重伪泽尼克矩ψ3,3虚部的均值在x=-5dB时取得最小值约为0.4×10-4,其余四种信号的所述3阶3重伪泽尼克矩ψ3,3虚部的均值和中的最大值i=2,...,5在x=5dB时取得,约为0.2×10-4,因此设定阈值thLFM_1为所述3阶3重伪泽尼克矩ψ3,3虚部均值的最小值与所述3阶3重伪泽尼克矩ψ3,3虚部均值的最大值之间的均值,即0.3×10-4用以分离时宽带宽积uτ2 w在8到40变化范围内的待识别LFM信号。
设定高斯白噪声信噪比x=-5,0,5dB,重复50次蒙特卡洛实验,时宽带宽积uτ2 w在41-500范围内变化的LFM信号的所述3阶3重伪泽尼克矩ψ3,3实部的均值变化曲线如图6所示。
图6曲线显示了,不同高斯白噪声信噪比x下,时宽带宽积uτ2 w在41-500范围内变化的LFM信号的所述3阶3重伪泽尼克矩ψ3,3实部的均值随着时宽带宽积uτ2 w的增加而单调递减。当高斯白噪声信噪比x=5dB,所述时宽带宽积uτ2 w为41时,LFM信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值获得最大值。
设定当高斯白噪声信噪比x的变化范围Rx为-5—5dB,在LFM信号的时宽带宽积uτ2 w为41,即2FSK、4FSK信号带宽uτw为82的情况下,各信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值 和的变化曲线如图7所示。
图7曲线显示了时宽带宽积uτ2 w为41的LFM信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值在x=5dB时取得最大值约为-0.7×10-4,其余四种信号的所述3阶3重伪泽尼克矩ψ3,3的实部均值和中的最小值i=2,...,5在x=-5dB处取得,约为-0.5×10-4,因此设定阈值thLFM_2为所述3阶3重伪泽尼克矩ψ3,3的实部均值的最大值与所述3阶3重伪泽尼克矩ψ3,3的实部均值的最小值之间的均值,即-0.6×10-4用以分离时宽带宽积uτ2 w在41到500变化范围内的待识别LFM信号。
三、计算其余模板信号的所述质心移位谱图的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,根据所述2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造模板聚类。
设定高斯白噪声信噪比x=-5,5dB,信号脉冲宽度τ=0.5μs,载频为800MHz,采样频率为8000MHz;2FSK和4FSK信号为固定编码方式,编码序列分别为[1 0 1 1 0]以及[0 31 0 2],频率间隔为400MHz;BPSK信号二相码为五位巴克码N=[1,1,1,0,1];BPSK、2FSK和4FSK信号的码元速率为0.1MHz/;重复50次蒙特卡洛实验。
设定高斯白噪声信噪比x=5dB,对其余模板信号的所述质心移位谱图i=2,...,5计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,根据所述2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造模板聚类如图8所示。
图8显示了,当高斯白噪声信噪比x=5dB时,对其余模板信号的所述质心移位谱图i=2,...,5计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩构成的模板聚类之间没有重叠,能实现各类信号之间较好的分离。
设定高斯白噪声信噪比x=-5dB,对其余模板信号的所述质心移位谱图i=2,...,5计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,根据所述2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造模板聚类如图9所示。
图9显示了,当高斯白噪声信噪比x=-5dB时,对其余模板信号的所述质心移位谱图i=2,...,5计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构成的模板聚类之间有部分重叠,也可以实现各类信号之间的分离。
四、计算待识别LFM、CW、BPSK、2FSK和4FSK信号的归一化短时拉马努金傅里叶变换谱图的质心移位谱图。
五、对待识别信号的所述质心移位谱图计算3阶3重伪泽尼克矩ψ3,3的虚部均值和实部均值,分别根据所述阈值thLFM_1和thLFM_2,运用阈值判决法,分离时宽带宽积在8-500范围内变化的待识别LFM信号。
若各待识别信号的所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3的虚部均值 大于阈值thLFM_1=0.3×10-4或者各待识别信号的所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3的实部均值 小于阈值thLFM_2=-0.6×10-4,则认为是LFM信号。
六、计算待识别CW、BPSK、2FSK、4FSK信号质心移位谱图的2阶0重伪泽尼克矩和5阶1重伪泽尼克矩,构造特征向量,根据所述模板聚类Vsi,L,x,i=2,...,M运用k近邻分类器,对待识别CW、BPSK、2FSK、4FSK信号进行分类,实现其余待识别信号的识别。
1、信号载频变化对识别的影响。
设定信号脉冲宽度为τ=0.5μs,高斯白噪声信噪比x=5dB;BPSK信号二相码为五位巴克码N=[1,1,1,0,1],LFM信号调频斜率u=80MHz/μs;信号载频或初始频率变化范围为400MHz—1600MHz,重复100次蒙特卡洛实验。
CW、BPSK信号载频变化,LFM信号初始频率变化对识别的影响如图10所示。
图10显示了,当CW、BPSK信号载频变化,LFM信号初始频率变化时,三种信号的识别率均在95%以上,说明了载频或初始频率的变化几乎不影响信号的识别。
2、信噪比变化对识别的影响。
设定信号脉冲宽度为τ=0.5μs,高斯白噪声信噪比x的变化范围Rx为-5—5dB;信号载频或初始频率变化范围为400MHz—1600MHz;BPSK信号二相码为五位巴克码N=[1,1,1,0,1];2FSK,4FSK为固定编码方式,编码序列分别为[1 0 1 1 0]以及[0 3 1 0 2],频率间隔为400MHz;LFM信号调频斜率u=40MHz/μs,80MHz/μs,100MHz/μs,1200MHz/μs;重复100次蒙特卡洛实验。
信噪比与识别率的关系曲线如图11所示,并与基于短时傅里叶变换和伪泽尼克矩结合的识别方法进行了对比。
尽管参考附图详地公开了本发明,但应理解的是,这些描述仅仅是示例性的,并非用来限制本发明的应用。本发明的保护范围由附加权利要求限定,并可包括在不脱离本发明保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。
Claims (2)
1.一种信号识别的方法,其特征在于,该方法包括:
步骤1、对模板信号si,L,x计算归一化短时拉马努金傅里叶变换谱图i为各调制信号类型对应的序号,L=1,2,....F,L为实验次数,x为噪声信噪比(SNR)分贝值,时间k=1,2,...,N,整数周期q=1,2,...,N,M,F,N是自然数;
计算所述归一化短时拉马努金傅里叶变换谱图的质心移位谱图 为所述归一化短时拉马努金傅立叶变换谱图的质心;
步骤2、计算所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3,对所述3阶3重伪泽尼克矩ψ3,3计算虚部imag(ψ3,3)均值和实部real(ψ3,3)均值根据所述虚部imag(ψ3,3)均值设定阈值thLFM_1,根据所述实部real(ψ3,3)均值设定阈值thLFM_2;
步骤3、计算除线性调频信号(LFM)之外的其余模板信号si,L,x的所述质心移位谱图的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,根据所述2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造模板聚类
步骤4、计算待识别信号s′i,x的归一化短时拉马努金傅里叶变换谱图计算所述待识别信号s′i,x的归一化短时拉马努金傅里叶变换谱图的质心移位谱图
步骤5、对所述待识别信号s′i,x的质心移位谱图计算3阶3重伪泽尼克矩ψ3,3的虚部imag(ψ3,3)均值和实部real(ψ3,3)均值若各待识别信号的所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3的虚部imag(ψ3,3)均值大于阈值thLFM_1或者各待识别信号的所述质心移位谱图的3阶3重伪泽尼克矩ψ3,3的实部均值小于阈值thLFM_2,则认为是LFM信号;
步骤6、对其余待识别信号s′i,x,计算2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1,对所述其余待识别信号s′i,x的2阶0重伪泽尼克矩ψ2,0和5阶1重伪泽尼克矩ψ5,1构造特征向量根据所述模板聚类i=2,...,M运用k近邻分类器,对其余待识别信号进行分类,实现所述其余待识别信号的识别。
2.根据权利要求1所述的一种信号识别的方法,其特征在于,步骤1中,调制信号类型包括:线性调频信号(LFM)、单频脉冲信号(CW)、二相编码信号(BPSK)、二进制频率编码信号(2FSK)和四进制频率编码信号(4FSK)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610903244.XA CN106789783B (zh) | 2016-10-18 | 2016-10-18 | 一种利用短时拉马努金傅里叶变换谱图的信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610903244.XA CN106789783B (zh) | 2016-10-18 | 2016-10-18 | 一种利用短时拉马努金傅里叶变换谱图的信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106789783A CN106789783A (zh) | 2017-05-31 |
CN106789783B true CN106789783B (zh) | 2019-11-08 |
Family
ID=58972658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610903244.XA Expired - Fee Related CN106789783B (zh) | 2016-10-18 | 2016-10-18 | 一种利用短时拉马努金傅里叶变换谱图的信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106789783B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7680871B2 (en) * | 2006-01-19 | 2010-03-16 | Microsoft Corporation | Approximating function properties with expander graphs |
CN102866391A (zh) * | 2012-09-05 | 2013-01-09 | 中北大学 | 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法 |
CN105743830A (zh) * | 2016-03-01 | 2016-07-06 | 天津理工大学 | 一种mfsk信号的解调方法 |
-
2016
- 2016-10-18 CN CN201610903244.XA patent/CN106789783B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7680871B2 (en) * | 2006-01-19 | 2010-03-16 | Microsoft Corporation | Approximating function properties with expander graphs |
CN102866391A (zh) * | 2012-09-05 | 2013-01-09 | 中北大学 | 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法 |
CN105743830A (zh) * | 2016-03-01 | 2016-07-06 | 天津理工大学 | 一种mfsk信号的解调方法 |
Non-Patent Citations (1)
Title |
---|
联合 STFT-迭代变权拟合的 LFM 信号参数估计方法;姚帅,方世良,王晓燕;《信号处理》;20121031;第28卷(第10期);第1408-1415页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106789783A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106330385B (zh) | 一种干扰类型识别方法 | |
CN105939188B (zh) | 一种underlay频谱共享下时频重叠MASK信号的载频估计方法 | |
CN107576943B (zh) | 基于瑞利熵的自适应时频同步压缩方法 | |
CN102279390B (zh) | 一种低信噪比雷达辐射源信号脉内调制识别方法 | |
WO2015200710A2 (en) | Devices, systems, and methods for detecting gestures using multiple antennas and/or reflections of signals transmitted by the detecting device | |
CN101587186B (zh) | 一种雷达脉内调制信号的特征提取方法 | |
CN110110738A (zh) | 一种基于多特征融合的雷达辐射源识别方法 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN110187313A (zh) | 基于分数阶Fourier变换的雷达信号分选识别方法及装置 | |
CN111175718A (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
US11081126B2 (en) | Processing of sound data for separating sound sources in a multichannel signal | |
Gencol et al. | A wavelet-based feature set for recognizing pulse repetition interval modulation patterns | |
CN110232371A (zh) | 基于小样本的高精度hrrp雷达多目标识别方法 | |
CN104052703B (zh) | 一种微量采样数据数字调制识别方法 | |
CN106789783B (zh) | 一种利用短时拉马努金傅里叶变换谱图的信号识别方法 | |
CN113219415A (zh) | 一种基于包络指纹特征的干扰源个体识别方法 | |
CN109088837A (zh) | 一种基于聚类分析的多种雷达与通信信号分类方法 | |
CN105743830B (zh) | 一种mfsk信号的解调方法 | |
Huang et al. | Novel modulation recognizer for frequency-hopping signals based on persistence diagram | |
RU2386165C2 (ru) | Способ определения структуры и демодуляции сигнала с неизвестной структурой | |
Wang et al. | Feature-based hand gesture recognition using two-antenna doppler radar system | |
CN111245821B (zh) | 辐射源识别方法、装置及辐射源识别模型创建方法、装置 | |
Li et al. | A robust signal recognition method for communication system under time-varying SNR environment | |
Vartiainen et al. | Analysis of the consecutive mean excision algorithms | |
Shi et al. | Radar Emitter Signal Identification Based on Intra-pulse Features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191108 Termination date: 20201018 |
|
CF01 | Termination of patent right due to non-payment of annual fee |