基于特征提取的多干扰检测与识别方法研究.pdfVIP

摘要

由于电磁环境越来越复杂且通信密度越来越大，通信中往往存在多个干扰信

号，为了保证通信的安全性和通信质量，需要对通信中的干扰信号检测识别，然后

采取相应的抗干扰措施。本文旨在研究基于特征提取的多干扰检测与识别方法。

针对本文所研究的多干扰信号的检测与识别问题，首先介绍了干扰信号分析

系统，以定位本文工作所处的位置，然后建立通信中的接收信号和单音干扰(Single-

toneInterference,STI)、多音干扰(Multi-toneInterference,MTI)、线性扫频干扰(Linear

FrequencySweepingInterference,LFSI)、脉冲干扰(PulseInterference，PI)和窄带干

扰（NarrowBandInterference，NBI）以及多干扰信号的模型，同时对其进行仿真。

基于干扰信号的仿真波形特点，提取了接收信号的时域矩偏度、时域包络起伏

度、高阶累积量特征等时域特征，载波因子、频谱峰度、频域矩峰度、频域矩偏度、

0.5倍带宽、频域包络起伏度等频域特征，以及分数阶傅里叶域最大值等时频域中

的特征，并仿真每个特征随干信比变化的情况，为干扰信号的检测识别提供依据。

对于STI、MTI、LFSI、PI与NBI，研究了基于决策树与支持向量机（Support

VectorMachine，SVM）的干扰检测与识别算法，仿真并对比分析两种算法的性能，

两种算法对五种干扰信号的检测识别正确率较高，并且基于SVM的检测与识别算

法比决策树算法的识别性能高6dB。最后，利用两种算法对多干扰进行检测识别，

仿真对比了单干扰、两干扰叠加和三干扰叠加时的识别性能，仿真结果表明，干扰

数量越多，两种算法的识别性能恶化越严重，因此，提出研究针对多干扰信号的检

测与识别算法的必要性。

对于STI、MTI、LFSI、PI和NBI其中四种同时存在时的多干扰信号，分别研

究了基于决策树与SVM的多干扰检测与识别算法，并仿真对比分析两种算法的性

能，基于SVM的多干扰检测与识别算法相比基于决策树的多干扰检测与识别算法

有5dB的性能提升。最后，仿真分析两种算法分别对单干扰和两干扰叠加、三干

扰叠加的多干扰信号的检测识别性能，多干扰的检测识别算法对单干扰仍然适用，

且干扰信号数量越少，两种算法对其识别正确率越高，表明本文研究的多干扰检测

与识别算法为单干扰检测识别算法的一种推广，其更具有普遍意义。另外，对比分

析了本文的算法与其他文献。

关键词：多干扰检测与识别，特征提取，决策树，SVM

ABSTRACT

Duetotheincreasinglycomplexelectromagneticenvironmentandtheincreasing

communicationdensity,thereareoftenmultipleinterferencesignalsincommunication

system.Itisnecessarytodetectandrecognizetheinterferencesignals,andthentake

correspondinganti-interferencemeasuretoensurethesecurityandqualityof

communication.Thesisaimstostudythemulti-interferencedetectionandrecognition

methodbasedonfeatureextraction.

Aimingattheproblemofdetectionandrecognitionofmulti-interferencesignals

studiedinthesis,theInterferencesignalanalysissystemisfirstintroducedtolocatethe

positionoftheworkinthesystem,