[发明专利]一种基于频谱模板的信号快速识别方法

权利要求书

1.一种基于频谱模板的信号快速识别方法，其特征在于，包括如下步骤：

S1.对已知频谱模板的信号样本进行重采样，按信号已知类别进行分类得到多个子样本集合；

S2.对每个子样本集合通过高斯过程回归分别建立信号识别子模型；

S3.输入一个未知信号，基于并行计算架构将该未知信号同时输入每个信号识别子模型，每个信号识别子模型均输出一个满足高斯分布的预测结果；

S4.通过贝叶斯决策将所有信号识别子模型的预测输出进行融合，输出最终预测的信号类型。

2.根据权利要求1所述基于频谱模板的信号快速识别方法，其特征在于，所述步骤S2中，高斯过程回归的具体内容为：

S201.将一组由n个输入输出对样本组成的训练数据记为{(x_i,y_i)|i＝1,…,n}，输入向量x_i为一个d维的列向量，y_i为输出并且y_i＝f(x_i)；

S202.对于一个测试输入向量x^*，其预测输出分布是由n个训练输出和一个测试输出组成的n+1维的联合高斯分布，表示为：

联合高斯分布的均值函数表示为：

m(x^*)＝k^T(x^*)K^-1y (2)

联合高斯分布的方差表示为：

σ²(x^*)＝C(x^*,x^*)-k^T(x^*)K^-1k(x^*) (3)

其中，C(x_i,x_j)表示向量x_i和x_j之间的协方差；k(x^*)表示测试输入向量x^*和训练输入向量之间的协方差向量，为k(x^*)＝[C(x^*,x₁),…C(x^*,x_n)]^T；K是训练输入向量之间组成的n×n维的协方差矩阵，其矩阵元素表示为K_ij＝C(x_i,x_j)；

S203.确定复合协方差函数并建立模型，复合协方差函数表示为：

C(x_i,x_j)＝C_SE(x_i,x_j)×C_PER(x_i,x_j) (4)

C_PER(x_i,x_j)＝exp[(-2sin²[π|x_i-x_j|/v₂])/v₃] (6)

其中，C_SE(x_i,x_j)为平方指数协方差函数，C_PER(x_i,x_j)是一个周期性的协方差函数，超参数v₁，v₂，v₃和ω_t(t＝1,…d)的取值通过使其对数似然估计达到最大值得到。

3.根据权利要求2所述基于频谱模板的信号快速识别方法，其特征在于，超参数的对数似然估计为：

其中，α＝[v₁,v₂,v₃,ω_t(t＝1,…d)]^T表示所有超参数组成的向量，|K|表示矩阵K中元素组成的行列式的值；

对数似然估计对每一个超参数的偏导数表示为：