基于统计学习的快速信号检测与特定信号识别
发布时间：2021-07-24 19:23
非合作方式下如果要对某些携带特定帧头的信号进行识别一般需要先估计出该信号的所有参数。而由于信道环境、接收机性能等因素的影响,侦察接收机对同一信号、同一频段多次扫描得到的频谱形状存在细微差异,故而,每次利用频谱进行信号检测和参数估计时,结果都会不同,造成对信号及频谱的认知困难,因此在非合作环境下研究快速信号检测与特定信号识别具有重要的实际意义。基于以上问题,本文重点对信号频谱快速检测和特定信号识别开展研究。使用统计学习方法对大量的频谱数据进行详尽分析,以此避免信道环境、接收机性能对信号检测与估计的影响,得到较为准确的频谱中心频率和带宽估计结果并以此作为特定信号的识别依据。本文主要工作如下:1、设计了一种基于统计学习的快速信号检测方法,可以检测到所有满足检测要求的多个信号,在此基础上,本文提出了一种基于网格的改进K-means聚类算法,通过减少迭代求解的重新划分信号点数目,来达到加快计算的目的。仿真结果证明:相比于原始K-means聚类算法,改进方法的检测速度提高了约6.1倍,而检测准确率依然保持较高水平,检测的虚警率/漏警率较低,能够满足特定信号快速检测的性能要求。2、提出了两种基于帧头...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
(c)第二次迭代运算
第二章基于统计学习的快速信号检测17幅度，iA表示噪声的平均值,0,1,12(...)iiiiAxxx，iy表示12帧频谱相加的结果。若某信号频点k持续存在了12帧，那么0,1,11,...+12*Akkkkkysss；当信号刚开始出现时由于信号点出现的帧数较少，1y，2y，3y相比ky小很多，会更接近噪声类中心点，很可能造成一部分点会被划分到信号类，另一部分点被划分到噪声类，从而产生错误的结果。因此，在最后的计算结果中，需要排除掉这些错误频率。聚类结果框图如图2-7所示，其中，假设频谱中一直存在两个信号，频率分别为12f,f，而在某一个时刻，突然出现了第三个信号，频率为3f。信号频率12f,f是一直存在的，在信号3f出现的聚类过程中会出现多个错误频率点，这种错误频率只会在信号产生和结束的那段时间内出现，如图2-7所示：第一次聚类出现1111345,,,,nffff错误频率点，第二次聚类出现2222345,,,,kffff错误频率点，而这些错误频率点的数量会随着聚类单元的移动而逐渐减少，一直到信号出现的帧数完全覆盖聚类单元。又由于移动步长为4，因此这种错误频率的持续时间不会超过12/4=3次，正确频率持续时间将大于（24*2/3）/4=4次，因此，本文以信号频率是否持续4次为依据来判断信号频率是否为错误频率。聚类单元12帧逐帧移动12f,f12341112信号出现111112345,,,,,,nffffff222212345,,,,,,kffffff333312345,,,,,,tffffff444412345,,,,,,mffffff聚类结果nktm错误频点，随机出现，互不相同信号出现时间连续出现频率123f,f,f123f,f,f3f图2-7信号出现时聚类结果当出现多个频率没有持续4帧时，可以认为信号在第一个出现的错误频率点那一帧中产生，如111134
电子科技大学硕士学位论文20试，分别测试聚类检测的分类指标：精确度/准确率/召回率/漏报率/虚警率，其信号点分类检测性能如图2-9所示。图2-9改进K-means聚类算法信号点分类性能从上图中可以看到在信噪比较低时信号点遗漏数目较多，即漏报率较高，并且在信噪比升高时，被判断为信号点的数目增多，虚警率也会缓慢上升，在信噪比大于15dB时虚警率超过10%，所以在后续需要对改进K-means聚类结果进行处理，以减小漏警率和虚警率。2.6双门限法信号分隔在K-means得到所有信号点后，需要将能够连接在一起的一簇信号点标记为同一类信号，并将此类信号抽象为（中心频率，带宽）的表示方式，由于在整个宽频带内可能同时存在多个信号，即在聚类时需要先准确地区分出所有的信号，故而，本节主要内容是将K-means聚类后的所有信号类点数分隔出来，得到多个实际的信号。因为频谱的幅值是抖动变化的，如上一节图2-8(b)的仿真分析，可能存在一个信号带宽内的某几个频点被划分到了噪声类，因此在进行多信号分隔时，需要将这些误分的频点重新划分到其所属的信号内，并且找到一个信号的完整边界。在这里使用双门限法分隔出所有信号，并且得到信号的中心频率和带宽。对于信号有：maxBf/2(2-7)-50510152025信噪比SNR00.10.20.30.40.50.60.70.80.91检测概率改进K-means算法信号点分类性能精确度准确率召回率漏报率虚警率
【参考文献】：
期刊论文
[1]非合作通信下弱突发信号的双重检测算法[J]. 郭婷莺,陈永锋,刘凯. 电讯技术. 2018(11)
[2]基于峰值比的叠加单滑窗信号检测算法[J]. 杨松. 无线电工程. 2017(04)
[3]一种多重前相关差分GPS信号检测方法[J]. 苏艳林. 现代导航. 2017(01)
[4]低信噪比短前导突发通信的频偏估计[J]. 谭尧,杨拥军,陈强. 计算机应用. 2016(S2)
[5]高速通信QPSK数字调制器设计与实现[J]. 王战强,王大庆. 空间电子技术. 2015(06)
[6]基于自相关检测法和能量重心法的正弦信号频率估计算法[J]. 侯盼卫,杨录. 科学技术与工程. 2014(03)
[7]基于聚类的未知频率小信号检测[J]. 陈新国,杨晓非,王洁芸. 仪表技术与传感器. 2012(06)
[8]一种抗频偏的时间精同步方法及性能分析[J]. 王磊,徐大专. 电子与信息学报. 2011(02)
[9]基于蚁群算法的K-Means聚类雷达信号分选算法[J]. 赵贵喜,骆鲁秦,陈彬. 雷达科学与技术. 2009(02)
[10]基于循环平稳分析的MPSK信号接收[J]. 罗明,杨绍全,魏青. 电路与系统学报. 2007(05)
博士论文
[1]有限训练样本条件下的分类器构建与应用[D]. 陈鹏.北京科技大学 2020
[2]非合作模式下微弱信号识别技术研究[D]. 张克终.北京邮电大学 2019
硕士论文
[1]基于信号分离和主成分分析的频谱感知研究[D]. 孙晨皓.广东工业大学 2019
[2]基于聚类算法的认知无线电频谱感知研究[D]. 张顺超.广东工业大学 2019
[3]非协作智能频谱感知算法研究与实现[D]. 王鹏.西安电子科技大学 2019
[4]认知无线电中盲频谱感知算法的研究[D]. 刘建.西安电子科技大学 2019
[5]基于机器学习的频谱监测算法研究与FPGA实现[D]. 孙智伟.西安电子科技大学 2019
[6]雷达信号实时分选算法的研究与FPGA实现[D]. 赵昊.电子科技大学 2018
[7]基于随机森林的通信信号调制识别算法研究[D]. 谭正骄.云南大学 2018
[8]基于循环谱特征的频谱感知技术研究[D]. 杜金财.北京邮电大学 2018
[9]基于大数据的频谱分析算法的研究[D]. 闫戈.北京邮电大学 2017
[10]认知无线电网络中的频谱感知研究[D]. 杨环宇.浙江大学 2014
本文编号：3301277
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
(c)第二次迭代运算
第二章基于统计学习的快速信号检测17幅度，iA表示噪声的平均值,0,1,12(...)iiiiAxxx，iy表示12帧频谱相加的结果。若某信号频点k持续存在了12帧，那么0,1,11,...+12*Akkkkkysss；当信号刚开始出现时由于信号点出现的帧数较少，1y，2y，3y相比ky小很多，会更接近噪声类中心点，很可能造成一部分点会被划分到信号类，另一部分点被划分到噪声类，从而产生错误的结果。因此，在最后的计算结果中，需要排除掉这些错误频率。聚类结果框图如图2-7所示，其中，假设频谱中一直存在两个信号，频率分别为12f,f，而在某一个时刻，突然出现了第三个信号，频率为3f。信号频率12f,f是一直存在的，在信号3f出现的聚类过程中会出现多个错误频率点，这种错误频率只会在信号产生和结束的那段时间内出现，如图2-7所示：第一次聚类出现1111345,,,,nffff错误频率点，第二次聚类出现2222345,,,,kffff错误频率点，而这些错误频率点的数量会随着聚类单元的移动而逐渐减少，一直到信号出现的帧数完全覆盖聚类单元。又由于移动步长为4，因此这种错误频率的持续时间不会超过12/4=3次，正确频率持续时间将大于（24*2/3）/4=4次，因此，本文以信号频率是否持续4次为依据来判断信号频率是否为错误频率。聚类单元12帧逐帧移动12f,f12341112信号出现111112345,,,,,,nffffff222212345,,,,,,kffffff333312345,,,,,,tffffff444412345,,,,,,mffffff聚类结果nktm错误频点，随机出现，互不相同信号出现时间连续出现频率123f,f,f123f,f,f3f图2-7信号出现时聚类结果当出现多个频率没有持续4帧时，可以认为信号在第一个出现的错误频率点那一帧中产生，如111134
电子科技大学硕士学位论文20试，分别测试聚类检测的分类指标：精确度/准确率/召回率/漏报率/虚警率，其信号点分类检测性能如图2-9所示。图2-9改进K-means聚类算法信号点分类性能从上图中可以看到在信噪比较低时信号点遗漏数目较多，即漏报率较高，并且在信噪比升高时，被判断为信号点的数目增多，虚警率也会缓慢上升，在信噪比大于15dB时虚警率超过10%，所以在后续需要对改进K-means聚类结果进行处理，以减小漏警率和虚警率。2.6双门限法信号分隔在K-means得到所有信号点后，需要将能够连接在一起的一簇信号点标记为同一类信号，并将此类信号抽象为（中心频率，带宽）的表示方式，由于在整个宽频带内可能同时存在多个信号，即在聚类时需要先准确地区分出所有的信号，故而，本节主要内容是将K-means聚类后的所有信号类点数分隔出来，得到多个实际的信号。因为频谱的幅值是抖动变化的，如上一节图2-8(b)的仿真分析，可能存在一个信号带宽内的某几个频点被划分到了噪声类，因此在进行多信号分隔时，需要将这些误分的频点重新划分到其所属的信号内，并且找到一个信号的完整边界。在这里使用双门限法分隔出所有信号，并且得到信号的中心频率和带宽。对于信号有：maxBf/2(2-7)-50510152025信噪比SNR00.10.20.30.40.50.60.70.80.91检测概率改进K-means算法信号点分类性能精确度准确率召回率漏报率虚警率
【参考文献】：
期刊论文
[1]非合作通信下弱突发信号的双重检测算法[J]. 郭婷莺,陈永锋,刘凯. 电讯技术. 2018(11)
[2]基于峰值比的叠加单滑窗信号检测算法[J]. 杨松. 无线电工程. 2017(04)
[3]一种多重前相关差分GPS信号检测方法[J]. 苏艳林. 现代导航. 2017(01)
[4]低信噪比短前导突发通信的频偏估计[J]. 谭尧,杨拥军,陈强. 计算机应用. 2016(S2)
[5]高速通信QPSK数字调制器设计与实现[J]. 王战强,王大庆. 空间电子技术. 2015(06)
[6]基于自相关检测法和能量重心法的正弦信号频率估计算法[J]. 侯盼卫,杨录. 科学技术与工程. 2014(03)
[7]基于聚类的未知频率小信号检测[J]. 陈新国,杨晓非,王洁芸. 仪表技术与传感器. 2012(06)
[8]一种抗频偏的时间精同步方法及性能分析[J]. 王磊,徐大专. 电子与信息学报. 2011(02)
[9]基于蚁群算法的K-Means聚类雷达信号分选算法[J]. 赵贵喜,骆鲁秦,陈彬. 雷达科学与技术. 2009(02)
[10]基于循环平稳分析的MPSK信号接收[J]. 罗明,杨绍全,魏青. 电路与系统学报. 2007(05)
博士论文
[1]有限训练样本条件下的分类器构建与应用[D]. 陈鹏.北京科技大学 2020
[2]非合作模式下微弱信号识别技术研究[D]. 张克终.北京邮电大学 2019
硕士论文
[1]基于信号分离和主成分分析的频谱感知研究[D]. 孙晨皓.广东工业大学 2019
[2]基于聚类算法的认知无线电频谱感知研究[D]. 张顺超.广东工业大学 2019
[3]非协作智能频谱感知算法研究与实现[D]. 王鹏.西安电子科技大学 2019
[4]认知无线电中盲频谱感知算法的研究[D]. 刘建.西安电子科技大学 2019
[5]基于机器学习的频谱监测算法研究与FPGA实现[D]. 孙智伟.西安电子科技大学 2019
[6]雷达信号实时分选算法的研究与FPGA实现[D]. 赵昊.电子科技大学 2018
[7]基于随机森林的通信信号调制识别算法研究[D]. 谭正骄.云南大学 2018
[8]基于循环谱特征的频谱感知技术研究[D]. 杜金财.北京邮电大学 2018
[9]基于大数据的频谱分析算法的研究[D]. 闫戈.北京邮电大学 2017
[10]认知无线电网络中的频谱感知研究[D]. 杨环宇.浙江大学 2014
本文编号：3301277
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3301277.html
