[发明专利]一种矿井多模无线信号精确识别方法

权利要求书

1.一种矿井多模无线信号精确识别方法，其特征在于，所述矿井多模无线信号精确识别方法包括：

步骤一，矿井通信信号识别：进行信号预处理、特征参数提取以及分类器低信噪比下信号的识别；

步骤二，矿井无线信道模型分析：大尺度衰落特性分析及小尺度衰落特性分析；

步骤三，基于高阶累积量的特征提取：构建识别的矿井通信信号的二阶矩和四阶矩、二阶累积量四阶累积量归一化特征量，再对衰落信道对高阶累积量的影响进行分析。

2.如权利要求1所述的矿井多模无线信号精确识别方法，其特征在于，步骤一分类器低信噪比下信号的识别方法包括：

第一步，在接收机端接收到信号后预处理，进行变下频滤波降噪；

第二步，矿井下两种衰落信道模型分析，以及两种衰落信道对不同调制方式的高阶累积量分析；

第三步：基于两种衰落信道下信号高阶累积量特征的构造以及提取，选用PSO-SVM分类器、GA-SVM的分类器进行分类。

3.如权利要求2所述的矿井多模无线信号精确识别方法，其特征在于，第三步选用PSO-SVM分类器、GA-SVM的分类器进行分类中，具体包括：

将数据样本集分为测试数据集和训练数据集，使用粒子群算法和遗传算法对训练数据集中SVM的惩罚因子和核函数进行寻优处理，得到优化的SVM模型，并用所述SVM模型对测试集进行测试分类，并使用Matlab平台环境进行仿真；

所述粒子群算法运行于PSO-SVM分类器，具体步骤包括：

①对粒子群空间的各个粒子进行初始化，包括初始位置信息X和初始速度信息Y，设定的方式采用随机设定；

②将初始位置和速度代入速度和位置迭代公式中，得到各个粒子新的位置信息P_i；

③计算各个粒子的适应度值；

④对于每个粒子，通过适应度值的不同，比较所述适应度值和自身经历过的最优位置P_id的优劣，适应度值更好，则更新该粒子的历史最好位置P_id为粒子的当前位置；

⑤对于每个粒子，通过适应度值的不同，比较适所述应度值和群体的当前全局最好位置P_gd的优劣，自身的适应度值更优，则更新全局最优位置P_gd为粒子的当前位置；

⑥根据粒子位置更新公式和速度更新公式，更新每个粒子的新位置和新速度；

⑦循环执行，直到达到最够好的位置或者迭代次数，满足结束条件时，结束计算过程，得到P_id和P_gd，否则跳转到步骤③继续迭代执行。

4.如权利要求3所述的矿井多模无线信号精确识别方法，其特征在于，所述遗传算法运行于GA-SVM的分类器，具体包括：

进行参数搜索时选取适应度函数：

F＝100r,0≤r≤1；

适应度函数分类正确率，优化目标为最大化形式：

其中，为SVM的分类正确率，对支持向量机的参数C和进行编码以搜索最优的分类器模型参数。

5.如权利要求1所述的矿井多模无线信号精确识别方法，其特征在于，步骤二中，大尺度衰落特性分析的方法包括：

信号的平均接收功率随距离的增大呈对数衰减，对任意的收发天线之间的距离d，路径损耗PL(d)利用随机正态对数分布表示：

其中，是参考距离；PL(d)服从对数正态分布的随机变量；阴影衰落S(d)是一个服从正态分布的随机变量，均值为零，并且，PL(d)是以为均值、为方差的正态分布的随机变量。

小尺度衰落特性分析的方法包括：

传输信号经过短距离或者短时间传播后，信道的强度急剧变化；在不同的多径信号上，存在着时变的多普勒频移引起的随机频率调制；多径传播时延引起的拓展。