[发明专利]基于多特征关联和贝叶斯网络的通信信号分类识别方法

摘要

本发明公开了一种基于多特征关联和贝叶斯网络的通信信号分类识别方法，属于通信信号处理技术领域。本发明针对信噪比波动范围大、训练样本不足等特点，对信号的时域、频域和空域的特征进行关联，并设计贝叶斯网络模型，通过结构学习和参数学习得到贝叶斯网络分类器，得到用户认知结果。本发明采用贝叶斯网络分类器进行认知分类，能够充分挖掘各个维度的特征之间的依赖关系，物理意义明确，适用于小样本情况和不完备数据集；采用先验和聚类结合进行离散化预处理的方法，可以最大程度的保留原始数据信息；采用随机抽样的方法对贝叶斯网络模型进行参数学习，在信噪比波动范围大和训练样本数量不足的情况下，仍然可获得很好的分类准确率。

主权项

1.基于多特征关联和贝叶斯网络的通信信号分类识别方法，其特征在于：具体步骤如下，第一步，构建包括多种调制方式在内的通信信号样本数据集，选择并提取通信信号的时域、频域和空域维度的特征；并将所述的通信信号样本数据集分为训练集、交叉验证集和测试集三部分；第二步，采用基于先验和聚类结合的方法对训练集数据进行离散化预处理；第三步，输入训练集，对贝叶斯网络模型进行结构学习，得到贝叶斯网络模型的有向无环图；第四步，对贝叶斯网络模型进行参数学习，得到各节点的条件概率分布表，构建出贝叶斯网络分类器；第五步，对交叉验证集和测试集的信号进行特征提取和离散化处理后，输入到第四步已训练好的贝叶斯网络分类器中，最终得到信号认知结果。