基于流形學習算法的通信信號指紋特征提取與識別.pdf

1、通信信號指紋特征，一般源于通信電臺的發(fā)射機設計、制造和運行過程中的不可控的或無意的誤差因素。正是由于電臺的這些差異造成了其發(fā)射信號的指紋特征，被信號接收方獲取分析；反之，信號的指紋特征就可以用來標識不同的發(fā)射電臺，進行電臺個體識別，這是本文研究的目的。
　　在指紋特征的提取過程中往往需要對信號進行變換，以致得到高維數(shù)的特征。有時還需要對多種特征融合成多維以達到更好的識別效果。這些多維信息勢必會造成后續(xù)識別系統(tǒng)的處理負擔，可能造成維

2、數(shù)災難甚至嚴重錯誤。采用流形學習的算法對多維信息降維，得到本質(zhì)維特征，盡量提取最完整最少冗余的信息，是非常有效的處理方法。
　　為此，本文研究了基于流形學習算法的通信信號指紋特征提取，文章的主要研究內(nèi)容如下：
　　介紹了通信電臺信號的常用調(diào)制方式以表示電臺信號，分析了各自特點。在此基礎上，研究了信號指紋特征的域變換提取方法，并通過仿真驗證了方法對信號調(diào)制方式識別的有效性。
　　重點研究了兩種常用的流形學習算法，從理論上

3、保證了在損失最少信息的情況下提取信息的低維特征，并通過仿真選定算法中需要的參數(shù)以達到最佳效果。提出了一種基于流形學習思想的特征融合方法，用于后文對信號多維特征進行融合。
　　設計了通信信號調(diào)制方式識別系統(tǒng)。對不同調(diào)制類型的信號進行短時傅里葉變換或者小波變換，提取信號的多維特征作為預處理；然后結(jié)合流形學習算法降維，并針對其特性進行二次特征提取得到信號的最終識別特征；結(jié)合分類器，設計了有效的調(diào)制方式識別系統(tǒng)。并通過仿真驗證了該系統(tǒng)的良