[发明专利]基于多维度参数提取和支持向量机的扩频信号识别方法

说明书

本发明提出了一种基于多维度参数提取和支持向量机的扩频信号识别方法，主要用于解决现有扩频信号识别方法识别类型单一的问题。本发明可以对三类扩频信号：跳频信号、直接序列扩频信号和混合扩频信号进行识别。其实现步骤是：1)获取离散信号样本集合；2)对离散信号样本集进行多维度参数提取得到多维度特征向量集合；3)对每个多维度特征向量添加标签构建训练样本集合；4)构建扩频信号识别模型并进行训练；5)基于识别模型获取扩频信号的识别结果。本发明能够对三种扩频信号以及四种干扰信号做到准确识别，在低信噪比条件下仍能保持较高的准确率。

技术领域

本发明属于通信信号识别领域，涉及一种扩频信号的识别方法，具体涉及一种基于多维度参数提取和支持向量机的扩频信号识别方法。

背景技术

扩频通信作为一种重要的通信方式，广泛应用于各种通信领域。它的实质是将信号的带宽扩展到很宽的频带范围，然后再进行传输。在接收方通过相关处理，将有用频谱进行压缩，再通过窄带滤波器进行滤波得到信号。这样的工作机制使得扩频信号具有良好的保密性能，安全可靠，抗干扰性能优越等特点。常用的扩频信号包括跳频(FrequencyHopping,FH)信号、直接序列扩频(Direct sequence spread spectrum,DSSS)信号和混合扩频(DS/FH hybrid spread spectrum,DS/FH)信号。

扩频信号的隐蔽性给扩频信号识别带来了挑战，扩频信号识别是通过分析扩频信号独有的特征，将特征进行数值化表征后与阈值进行比较实现识别的目标，识别出的信号类型信息可以用于描述频谱资源使用情况，预测频谱占用概率，同时可以对信号参数估计起到支撑作用。扩频信号识别首先需要保证识别的准确率，同时需要尽可能的对多种类型扩频信号进行识别，从而节省硬件资源。

不同类型的扩频信号的特征存在差别，因此针对不同类别扩频信号的识别方法也存在差别。目前扩频信号的识别方法只能对一种类型的扩频信号进行有效识别，如FH信号的识别方法、DSSS信号的识别算法以及DS/FH信号的识别方法。FH信号的识别主要基于信号的时频特征，2016年Ma Y和Yan Y在会议IMCCC上发表的论文《Blind Detection andParameter Estimation of Single Frequency-Hopping Signal in ComplexElectromagnetic Environment》中公开了一种FH信号的识别方法，首先基于短时傅里叶变换得到接收信号的时频图，根据时频图案统计出现次数相同的频率个数实现对跳频信号的识别，并且还可以估计出FH信号的跳频频率集和跳频速率。针对DSSS信号的识别算法主要基于信号的自相关特征，2017年Zhang Z和Lei J在会议IAEAC上发表的论文《A detectingalgorithm of DSSS signal based on auto-Correlation estimation》中公开了一种DSSS信号的识别方法，首先计算接收信号的时域自相关序列的二阶矩，之后进行峰值搜索，通过峰值出现的次数识别DSSS信号。DS/FH信号同时具有FH信号和DSSS信号的特征，结合FH信号的识别方法和DSSS信号的识别方法可以对DS/FH信号进行识别。

目前扩频信号的识别方法主要存在可识别的扩频信号类型单一的问题，只能够针对特定一类扩频信号进行识别。

发明内容

本发明的目的在于克服上述现有技术的不足，提出了一种基于多维度参数提取和支持向量机的扩频信号识别方法，用于解决现有技术中存在的可识别的扩频信号类型单一的技术问题。

为实现上述目的，实现本发明采取的技术方案包括如下步骤：

(1)获取离散接收信号集合Y：