[发明专利]一种电磁信号分类方法和装置

权利要求书

1.一种电磁信号分类方法，其特征在于，所述方法包括：

通过小波散射变换构建散射网络；

对电磁信号集内的电磁信号利用构建的所述散射网络提取散射特征，获得特征样本集；

利用所述特征样本集对支持向量机SVM分类模型进行训练；

对待分类电磁信号利用构建的所述散射网络提取散射特征，将提取的散射特征输入训练后的SVM分类模型，得到分类结果。

2.如权利要求1所述的方法，其特征在于，所述通过小波散射变换构建散射网络包括：

将尺度函数用作低通滤波器，将小波函数用作高通滤波器，利用小波散射变换计算信号的散射特征系数；

计算信号经过每层散射传播的散射特征系数，由多层散射特征系数构成所述散射网络。

3.如权利要求2所述的方法，其特征在于，在对电磁信号集内的电磁信号利用构建的所述散射网络提取散射特征之前，所述方法还包括：

将电磁信号集内的模拟电磁信号经A/D采样得到数字电磁信号，将得到的数字电磁信号进行正交变换得到两路信号，并利用所述两路信号计算得到各个电磁信号的幅度特征；

所述对电磁信号集内的电磁信号利用构建的所述散射网络提取散射特征具体为：

将电磁信号集内的各个电磁信号的幅度特征输入至构建的所述散射网络，提取各个电磁信号的散射特征。

4.如权利要求3所述的方法，其特征在于，利用所述特征样本集对支持向量机SVM分类模型进行训练包括：

按照预设比例将所述特征样本集划分为训练集和测试集；

利用所述训练集中的散射特征样本训练所述SVM分类模型，利用所述测试集中的散射特征样本评估训练后的SVM分类模型的性能，并根据测试结果调整SVM分类模型的惩罚因子；

如果SVM分类模型的准确率达到预设的准确率阈值，则停止训练，得到训练后的SVM分类模型。

5.如权利要求4所述的方法，其特征在于，在利用所述特征样本集对支持向量机SVM分类模型进行训练之前，所述方法还包括：

判断所述特征样本集中的散射特征的维度是否符合维度阈值，若不符合维度阈值，则利用主成分分析方法对特征样本集中的散射特征进行降维；

所述利用所述特征样本集对支持向量机SVM分类模型进行训练具体为：利用符合维度阈值的特征样本集对支持向量机SVM分类模型进行训练。

6.如权利要求5所述的方法，其特征在于，所述对待分类电磁信号利用构建的所述散射网络提取散射特征，将提取的散射特征输入训练后的SVM分类模型，得到分类结果包括：

将待分类电磁信号经A/D采样得到数字电磁信号，将得到的数字电磁信号进行正交变换得到两路信号，并利用所述两路信号计算得到待分类电磁信号的幅度特征；

将待分类电磁信号的幅度特征输入构建的所述散射网络提取散射特征；

判断所述待分类电磁信号的散射特征的维度是否符合维度阈值，若不符合维度阈值，则对所述待分类电磁信号的散射特征利用主成分分析方法进行降维；

将符合维度阈值的待分类电磁信号的散射特征输入所述训练后的SVM分类模型，得到分类结果。

7.一种电磁信号分类装置，其特征在于，所述装置包括：

散射网络构建模块，用于通过小波散射变换构建散射网络；

特征样本集获取模块，用于对电磁信号集内的电磁信号利用构建的所述散射网络提取散射特征，获得特征样本集；

SVM分类模型训练模块，用于利用所述特征样本集对支持向量机SVM分类模型进行训练；

分类模块，用于对待分类电磁信号利用构建的所述散射网络提取散射特征，将提取的散射特征输入训练后的SVM分类模型，得到分类结果。