论文部分内容阅读
通信信号细微特征分析是通信信号处理领域里的一个研究热点。近年来,虽然通信信号细微特征分析技术有了一定的发展,但是仍然面临着特征提取、特征选择等诸多问题。本文利用经验模态分解(Empirical Mode Decomposition,EMD)方法来研究通信信号细微特征,主要成果有:(1)提出了一种基于EMD的暂态信号时频分布特征提取方法。该方法首先利用EMD方法计算信号的Hilbert时频谱,然后对Hilbert时频谱进行奇异值分解,最后以这个Hilbert时频谱的奇异值特征作为暂态信号的暂态特征。对于不同辐射源个体,该方法提取的暂态信号时频分布特征具有较强的区分能力,而且聚类性能较好。(2)提出一种基于EMD的暂态信号信息维特征提取方法。该方法首先利用EMD方法分解暂态信号,得到信号的各模态分量,然后计算各模态分量的信息维数,最后以这些信息维数特征作为暂态特征。实测数据分析结果表明,暂态信号的信息维特征具有较强的聚类性,能够较好地区分不同辐射源。(3)提出了一种基于EMD的稳态信号频谱特征提取方法。该方法首先利用EMD方法分解稳态信号,得到信号的各模态分量,然后去除信号的主要成分分量和噪声分量,计算余下的杂散成分分量的频谱,最后以这个频谱作为稳态信号的细微特征。实测数据分析结果表明,对于不同辐射源个体,该方法提取的稳态特征具有较强的区分能力。(4)提出了一种基于EMD的稳态信号双谱(SIB)特征提取方法。该方法首先采用EMD方法分解稳态信号,得到信号的各模态分量,然后去除信号的主要成分分量和噪声分量,计算余下的杂散成分的积分双谱,最后以这个SIB作为稳态信号的细微特征。实验结果表明,对于不同辐射源个体,该方法提取的稳态特征具有较强的区分能力。(5)设计实现了一个辐射源个体识别实验系统。通过这个辐射源个体识别实验系统,利用实际采集的信号对本文算法进行了验证。结果表明,本文所提出的信号暂态特征和稳态特征都具有较好的性能,能够识别不同的辐射源个体。