[发明专利]一种基于聚类分析的多种雷达与通信信号分类方法

权利要求书

1.一种基于聚类分析的多种雷达与通信信号分类方法，其特征在于，包括以下步骤：

步骤1、对雷达与通信信号BPSK、QPSK、16QAM以及单频信号SF做短时傅里叶变换，利用频率特性识别单频信号，提取每个时窗段最大频率的信息，再对其求均方差；

步骤2、在训练阶段设定分类门限值，并将此门限值运用到测试样本的分类，峰值频率的均方差小于门限值的为单频信号SF，大于门限值的为BPSK、QPSK、16QAM信号，以此将4种信号划分为SF信号和BPSK、QPSK、16QAM信号；

步骤3、对于所述BPSK、QPSK和16QAM信号，根据3种信号相位跳变的差异，可提取基于瞬时自相关实部的特征，利用瞬时自相关的实部输出得到BPSK、QPSK、16QAM信号的相位跳变情况，提取相位均方差作为一个信号识别特征，再根据3种信号在幅度上的差异，提取瞬时幅度均方差作为另一个信号特征；

步骤4、分别产生BPSK、QPSK和16QAM信号的训练样本和测试样本，结合聚类分析算法实现分类，在训练阶段，确定聚类簇数和初始均值中心，利用相位均方差和瞬时幅度均方差构建二维特征向量空间，结合聚类分析算法实现信号的分类，并得出最优均值；测试阶段，将最优均值作为测试样本的初始均值，最终有效分类出BPSK、QPSK和16QAM信号；

步骤3中，具体方法如下：

利用瞬时幅度均方差δ和相位均方差Φ区分出BPSK、QPSK和16QAM，这两种特征参数构成二维特征向量空间，其中：

是瞬时幅度的平均值，S_i是信号经希尔伯特变换后的瞬时幅度，是瞬时相位的平均值，Z_i是信号经瞬时自相关后的瞬时相位，瞬时自相关乘积公式如下：

B(n,m)＝S(n)·S^*(n-m) (5)

S(n)为信号，m为时延；δ用来区分信号是否含有幅度变化信息，Φ用来判断信号相位变化信息；

所述聚类分析算法具体采用的是K-means算法；

所述K-means算法具体步骤为：

步骤11、输入样本集D，聚类簇数k，以及k个初始均值向量{μ₁,μ₂,...,μ_k}：样本集D由3类信号的瞬时幅度均方差δ和相位均方差Φ组成，聚类簇数k由信号类别决定；

步骤12、循环以下几步，直到达到停止条件：

a、按照距离最近准则进行归类：分别计算每个样本点到三个均值向量的距离，距离哪个均值向量最近，就把该样本点归到相应的簇C_i，i＝1，2,3，其中C_i表示3类雷达与通信信号对应类别；

b、产生新的均值向量：重新计算各个簇C_i的均值向量，产生新的均值向量x表示对应簇中的样本点；

c、判断新旧均值向量有无变化，如果有变化就更新均值向量，新的均值向量取代旧均值向量,如果均值向量不再变化，就输出k个簇的划分结果。

2.如权利要求1所述的基于聚类分析的多种雷达与通信信号分类方法，其特征在于，步骤1中，具体步骤为：

利用短时傅里叶变换首先将单频信号与BPSK、QPSK和16QAM进行区分，将信号加滑动时间窗，并对窗内信号做傅里叶变换，得到信号的时变频谱，信号z(n)的短时傅里叶变换公式为：

N为采样点数，z(τ)表示每个时窗段内信号，τ为时延，g(n)为窗函数，最大频率的均方差公式为：

n由采样点数与短时傅里叶点数的商向下取整得到，表示时窗个数，是短时傅里叶变换后最大频率的均值，P_i表示第i个时窗段的最大频率。

3.如权利要求1所述的基于聚类分析的多种雷达与通信信号分类方法，其特征在于，步骤4中，确定聚类簇数为3，初始均值中心为训练样本最大值最小值和的1/2。