基于指纹特征提取信号分类.docVIP

基于指纹特征提取信号分类 　　[摘 要]随着经济和科技的迅速发展，电磁信号得到了广泛的应用。无论是地方企业还是政府、军队，对电磁信号的应用都呈现爆炸式增长。因此，对海量信号进行分类且完成信号的识别，对有效实施电磁信号的监管具有重要意义。本文通过对采集到的电磁信号数据进行降噪处理，利用辐射源放大器非线性特点和最小二乘思想，提取放大器的指纹特征，并结合Q型聚类的方法实现了信号的分类。 　　[关键词]滤波 指纹特征 非线性最小二乘 型聚类分析 　　中图分类号：S298 文献标识码：A 文章编号：1009-914X（2018）08-0297-02 　　[Abstract]As the rapid development of economy and science and technology，electromagnetic signal has been widely used.Whether it is local enterprises or government，the military，the application of electromagnetic signals are showing explosive growth.Therefore，It’s very important that the classification of the massive signal and the completion of the signal identification to effectively implement the electromagetic signal regulation.firstly，reducing the noise that mixed in the characteristics of electromagnetic signals collected.then， utilizing the nonlinear characteristics of the radiation source and the least squares to extract the fingerprint feature of the amplifier.And the paper realizes the classification of signals by combining the Q-style clustering analysis. 　　[Key words]kalman filtering ，fingerprint feature， nonlinear least squares，Q-style clustering analysis 　　1 引言 　　在电磁环境日趋复杂情况下，对电磁信号实施科学有效的分类和识别，一直是人们孜孜追求的目标。因此，建立合理的分类机制和模型，对于很好实现信号分类具有十分重要的意义。 　　对电磁信号的分类的研究，现行的方法主要是根据信号的产生特点和信号的变换域特点进行分类。此类方法虽可以较为明显的区分信号种类，但是对于复杂信号的特征提取不明显，同类信号的敌我分析能力差，无法实施有效的监管。 　　借助信号传输模型，通过对信号传输各个环节进行详细分析和大量实验发现，完成对信号的有效分析，需着重考虑两点：一是放大器的非线性；二是信号在无线电磁空间中传播过程中受到的各种噪声的影响，且只有放大器的非线性（指纹特征）具有唯一性。因此，本文在总结现有分类方法的基础上，提出了一种基于放大器指纹特征的信号分类方法，其流程步骤如图1。 　　具体组织如下：第2节采用滤波对采集到的原始数据进行降噪处理，近似为经放大器放大的信号；第3节利用最小二乘的思想完成对降噪后的信号进行指纹特征的提取；第4节借助指纹特征的特点，运用Q型聚类的方法，完成对信号的分类。 　　2 降噪处理 　　信号通过无线信道传输时，就会受到各种噪声的影响，因此接收端接收到的信号并非信号源发射的信号（受到干扰的信号）。为了还原原始信号，首先需要对接收到的信号进行降噪处理。生活中电磁信号主要受高斯白噪声的影响，通过对比各种滤波方法的适用范围和实际的滤波效果，本文选用滤波方法从接收到的信?中滤除高斯白噪声。具体滤波过程如下。 　　假若被估计状态和对的观测量满足式（2.1）和式（2.2）的约束，系统过程噪声为，观测噪声为，系统过程噪声方差矩阵非负定，系统观测噪声方差矩阵正定，时刻的观测量为，并且已获得时刻的最优状态估计。 　　（2.1） 　　（2.2） 　　式中，为系统的维状态序列；为系统的维观测序列；为维系统过程噪声序列（相关的白噪声序列）；为维观测噪声序列（相关的白噪声序列）；为系统的为状态转移