论文部分内容阅读
通信信号指纹特征,一般源于通信电台的发射机设计、制造和运行过程中的不可控的或无意的误差因素。正是由于电台的这些差异造成了其发射信号的指纹特征,被信号接收方获取分析;反之,信号的指纹特征就可以用来标识不同的发射电台,进行电台个体识别,这是本文研究的目的。在指纹特征的提取过程中往往需要对信号进行变换,以致得到高维数的特征。有时还需要对多种特征融合成多维以达到更好的识别效果。这些多维信息势必会造成后续识别系统的处理负担,可能造成维数灾难甚至严重错误。采用流形学习的算法对多维信息降维,得到本质维特征,尽量提取最完整最少冗余的信息,是非常有效的处理方法。为此,本文研究了基于流形学习算法的通信信号指纹特征提取,文章的主要研究内容如下:介绍了通信电台信号的常用调制方式以表示电台信号,分析了各自特点。在此基础上,研究了信号指纹特征的域变换提取方法,并通过仿真验证了方法对信号调制方式识别的有效性。重点研究了两种常用的流形学习算法,从理论上保证了在损失最少信息的情况下提取信息的低维特征,并通过仿真选定算法中需要的参数以达到最佳效果。提出了一种基于流形学习思想的特征融合方法,用于后文对信号多维特征进行融合。设计了通信信号调制方式识别系统。对不同调制类型的信号进行短时傅里叶变换或者小波变换,提取信号的多维特征作为预处理;然后结合流形学习算法降维,并针对其特性进行二次特征提取得到信号的最终识别特征;结合分类器,设计了有效的调制方式识别系统。并通过仿真验证了该系统的良好性能。最后,设计了通信电台个体识别系统。并分别针对AM、FM、FSK三种类型通信电台信号的产生机理设计了指纹特征的提取方法。该提取方法主要是针对信号受发射机内的放大器非线性震荡以及相位噪声影响,提取信号的时频域变换、瞬时相位、瞬时频率度等特征,并用流形学习算法进行融合,得到有效的识别特征。通过仿真验证了方法的有效性。