信号细微特征降维优化及GPU并行优化

发布时间：2021-11-17 19:50

　　通信卫星信号发射源识别对于现代电子战争有着重要意义,信号细微特征分析是信号识别中非常重要的一部分,由于当今社会电磁环境越来越复杂以及无线电技术飞速发展,对信号发射源识别提出了更高的要求,通常使用的信号细微特征特征维度较高以及计算复杂度较大,随之而来出现两种问题:一是信号采集技术的发展,信号的细微特征提取计算量越来越大,运算时间变长;二是特征维度越来越高,将引发维度灾难。本文使用双谱和包络的分形维数两种信号细微特征,对这两种特征进行流形降维并作为分类器的输入,对双谱变换算法进行GPU（图形处理单元）并行优化。首先分析了两种信号细微特征的原理。随后,针对信号识别中所面对的高维的特征数据出现的维度灾难,引入机器学习中的传统降维方法,分析了降维算法的原理、适用环境、优点和缺点,在此基础上将流形降维算法应用到信号细微特征的约简降维中。分析了典型的流形降维算法的思想和计算方法,采用实际数据的信号特征针对流形中数据点的降维效果,分析了不同降维算法的性能。最后研究了基于t-SNE（t分布随机近邻嵌入）算法和SVM（支持向量机）分类器的信号识别技术。针对单一特征识别流程的步骤进行了优化,包括将信号的双谱... 

【文章来源】：中国科学院大学(中国科学院国家授时中心)陕西省

【文章页数】：111 页

【学位级别】：硕士

【部分图文】：

GPU的内存结构

信号细微特征降维优化及 GPU 并行优化+*3 1 2 1 2( , )= ( ) ( + ) ( + )dxC x t x t x t t (2.23)连续信号 x ( t )的双谱表示为：1 2 3 1 2 1 1 2 21 2( , ) ( , )exp( j( ))d dxB f f C f f (2.24)对于一个离散时间能量有限的确定信号,将双谱定义为：( ) ( ) ( ) ( )*1 2 1 2 1 2B f ,f X f X f X f f(2.25)X ( f )为信号序列 x ( t )的离散傅里叶变换，( )1 2B f ,f 为双谱变换的结果。仿真了四种调制方式基带信号，所有仿真基带信号码频率、码相位与采样率完全相同，双谱变换结果如下图

信号细微特征降维优化及 GPU 并行优化+*3 1 2 1 2( , )= ( ) ( + ) ( + )dxC x t x t x t t (2.23)连续信号 x ( t )的双谱表示为：1 2 3 1 2 1 1 2 21 2( , ) ( , )exp( j( ))d dxB f f C f f (2.24)对于一个离散时间能量有限的确定信号,将双谱定义为：( ) ( ) ( ) ( )*1 2 1 2 1 2B f ,f X f X f X f f(2.25)X ( f )为信号序列 x ( t )的离散傅里叶变换，( )1 2B f ,f 为双谱变换的结果。仿真了四种调制方式基带信号，所有仿真基带信号码频率、码相位与采样率完全相同，双谱变换结果如下图

【参考文献】：
期刊论文
[1]深度学习中的自编码器的表达能力研究[J]. 王雅思,姚鸿勋,孙晓帅,许鹏飞,赵思成.  计算机科学. 2015(09)
[2]一维数字信号分形维数估计算法研究[J]. 曾峦,樊桂花.  科技创新导报. 2009(23)
[3]基于双谱分析的雷达辐射源个体特征提取[J]. 陈昌孝,何明浩,朱元清,王广学.  系统工程与电子技术. 2008(06)
[4]基于前导码的WLAN 802.11b频偏估计算法[J]. 方晗,缪蔚,洪志良.  电路与系统学报. 2007(03)
[5]雷达辐射源信号脉内特征分析[J]. 张葛祥,胡来招,金炜东.  红外与毫米波学报. 2004(06)
[6]ABPSK原理及实现[J]. 胡铁乔.  中国民航学院学报. 1999(01)

博士论文
[1]基于信号指纹的通信辐射源个体识别技术研究[D]. 徐书华.华中科技大学 2007



本文编号：3501554