[发明专利]基于广义分形理论的信号特征提取与调制类型识别方法

说明书

本发明提供了一种基于广义分形理论的信号特征提取与调制类型识别方法，包括：对已调制信号进行基于多重分形谱的信号特征提取以及基于奇异性功率谱的信号特征提取；同时，提取信号的瞬时特征，并通过广义分形谱特征和瞬时特征融合融合，构造特征向量，并采用SVM分类器对信号调制类型进行识别。该方法在提取常见信号特征之外，还提取利用了信号的广义分形谱特征来融合分类的特征向量，再利用SVM分类器进行多分类任务，在低信噪比、非高斯和分形噪声环境下，可更好地提取信号特征，具有更优抗噪声性能和识别率。

技术领域

本发明涉及一种基于广义分形理论的信号特征提取与调制类型识别方法。

背景技术

通信信号调制识别是通信侦察和通信电子战的核心技术之一。上世纪60年代，斯坦福大学的C.S.Waver等人首先提出了基于模式识别的通信调制类型识别方法，之后的半个多世纪，信号调制识别技术在特征提取和分类器等方面得到广泛研究和发展。在特征提取方面，包括信号幅度、频率、差分相位直方图和幅度、频率方差等特征参数，以及从信号偶数次幂、频谱和包络中提取的特征参数，以及各种时频域、稀疏域特征表示方法，包括最近几年发展起来的基于深度学习的特征提取方法等；在分类器方面，包括传统的对数似然比判决方法、最大似然准则的半盲识别方法、神经网络分类器、基于决策论的方法，以及基于深度学习的分类器。然后在缺乏大量标记样本、计算资源不足等前提，以及在非合作、低信噪比和非高斯噪声环境下，上述方法并不能取得满意的效果。

发明内容

本发明的目的在于提供一种基于广义分形理论的信号特征提取与调制类型识别方法。

为解决上述问题，本发明提供一种基于广义分形理论的信号特征提取与调制类型识别方法，包括：

对已调制信号进行基于多重分形谱的第一信号特征的提取；

对已调制信号进行基于奇异性功率谱的第二信号特征的提取；

对已调制信号进行瞬时特征的提取；

对所述第一信号特征、第二信号特征和瞬时特征进行特征融合，以构造特征向量；

基于所述特征向量对SVM分类器进行训练，得到训练完成的SVM分类器，基于训练完成的SVM分类器对已调制信号进行分类识别。

进一步的，在上述方法中，对已调制信号进行基于多重分形谱的第一信号特征的提取，包括：

选用小波leaders，系数d_jk定义为：其中， I_jk＝[k2^-j，(k+1)2^-j)，构造配分函数并定义质量函数为从而有奇异性指数α(q)和多重分形谱f(α)为：

α(q)＝dτ_ωl(q)/dq；

f(α)＝inf_q[qα(q)-τ_ωl(q)]。

进一步的，在上述方法中，对已调制信号进行基于奇异性功率谱的第二信号特征的提取，包括：

一维连续信号x(t)的奇异性功率谱密度公式为：

一维离散信号的奇异性功率谱密度公式为：

进一步的，在上述方法中，对已调制信号进行瞬时特征的提取，包括：