基于循环谱分析的航空通信干扰信号检测

随着现代通信技术在航空领域的广泛应用,在机场环境下如何避免各干扰信号对航空通信的危害成为人们广泛关注的焦点问题。本文基于机场环境下的信号感知模型,提出一种基于支持向量机（SVM）和谱相关性的干扰信号感知算法,有效避免了外界信号对航空通信信号的干扰。该算法采用信号循环谱进行分析的方法提取特征向量,进而结合SVM分类器对航空干扰信号进行检测。仿真结果表明,本文算法对干扰信号具有较高的分类检测精度和良好的识别性能。     

联合多维特征的干扰识别技术研究

干扰识别是通信电子防御系统的重要组成部分,针对复杂电磁环境的干扰识别问题,本文研究了联合多维特征的干扰识别技术,从时域、频域和变换域提取了一组对干扰参数、噪声敏感度低且复杂度较低的特征参数,给出了联合多维特征且基于决策树和支持向量机（Support Vector Machine,SVM）的两种干扰识别器结构,并进行了干扰识别性能仿真对比分析。仿真结果表明,这两种识别器对典型电磁干扰均具有良好的识别性能,对于瞄准式干扰、部分频带噪声干扰、噪声调频干扰和脉冲干扰,二者识别性能很接近;对于梳状多音干扰和线性调频干扰,SVM识别器比决策树识别器具有更好的识别性能。      

卫星干扰信号识别与测量系统设计

针对卫星应用系统频带日益拥挤、自然和人为干扰日益增多的问题,文章给出了一种卫星干扰信号识别与测量系统的方案设计,首先给出该系统工作原理,其次介绍了系统的组成,然后对系统的软件设计进行详细分析。系统能在一定程度上检测出卫星信号中存在的干扰信号,并对干扰信号进行测量。     

无线电干扰信号发现与识别的分析

在经济与科学技术的不断发展下,无线电在大众日常生活中的应用越来越广泛,使得其信号传输效率得到了大幅提升.但鉴于无线电在实际使用过程中经常会受到外界因素的干扰,为确保其业务的正常运行,防止正常业务受到外界不明信号的干扰,本文以无线电监测作为基础,重点探讨干扰信号的发现与识别方式.     

基于神经网络和SVM的GPS干扰类型识别

全球定位系统（GPS）干扰信号类型的识别是采取有效抗干扰手段的先决条件。针对7种典型的GPS干扰信号,提取了包括高阶统计量在内的8个特征,设计了反向传播（BP）神经网络分类器和多项式支持向量机（SVM）分类器,实现了干扰信号类型识别。仿真结果表明,两种分类器均具有较高的正确识别率和较好的热噪声鲁棒性,特别是在干噪比（JNR）为3dB时,平均正确识别率可保持在94％以上。     

基于模糊识别恶意代码检测技术的研究

在恶意代码检测的过程中,假设恶意代码隐藏的比较深,很难对恶意代码特征进行完整、准确的提取.利用传统算法进行恶意代码检测,恶意代码的分布情况都是未知的,没有充分考虑到不同类别代码特征之间的差异性,降低了恶意代码检测的准确性.为此,提出基于模糊识别的恶意代码检测方法.根据支持向量机相关理论,提取恶意代码特征,并将上述特征作为恶意代码识别的依据.建立模糊识别辨别树,计算识别对象属于恶意代码的概率,实现恶意代码的检测.实验结果表明,利用改进算法进行恶意代码检测,能够极大提高检测的准确性.     

干扰环境下的信号调制识别

针对干扰环境提出了一种基于独立成分分析(ICA)和支持矢量机(SVM)的通信信号调制识别算法。算法利用多天线接收技术,采用独立成分分析方法寻求观测样本矢量的统计独立分量,设计了以二值支持矢量机(SVM)为基础的多值分类器,该算法具有较高的训练速度和较好的分类性能。仿真表明,当信干比大于10 dB、移动速度小于12 m/s时,算法的总体正确识别率超过0.9。干扰环境下的信号调制识别研究具有较重要的实际工程应用意义。     

基于支持向量机的实际调制信号识别

提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明，该方法对实际采集的信号具有很好的分类性能。     

基于粒子群支持向量机的通信信号调制识别算法

为了解决大部分通信信号调制识别方法计算量大和分类器训练困难问题,提出一种基于粒子群(PSO)支持向量机(SVM)的调制识别方法.将小波理论与调制信号的瞬时特征、高阶累积量以及分形理论相结合,得到一种混合模式特征向量,并利用粒子群支持向量机对2ASK,4ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,...     

IP Transmission over TETRA Packet Data Service: Simulation and Measurement Results

This paper evaluates the packet data performance of Internet Protocol (IP) over TErrestrial Trunked RAdio (TETRA), focusing on the effects of packet size and message transmission rate. We performed a range of simulations to evaluate the average packet delay and packet failure probability corresponding to IP datagram transmission on the Packet Data CHannel (PDCH) in a TETRA cell. We employed IP packets of different sizes and we considered a number of different scenarios with respect to the number of users in a cell and datagram transmission rate. The simulation results offer TETRA operators the means for facilitating network planning and optimization of datagram-based services. Apart from the simulation, we also conducted an extensive measurement survey on the performance of IP over the TETRA PDCH. In particular, we carried out measurements in a client–server communication scenario with different datagram sizes and typical user mobility and radio propagation conditions. Measurement results include throughput, delay jitter, percentage of lost datagrams and out-of-order datagrams. The results obtained through our measurement survey can extent and enhance the simulation results because they are more realistic and consider user mobility as well as channel impairments.

抑制信号失配和非平稳干扰的鲁棒性自适应波束形成

本文针对信号失配和非平稳干扰问题,提出了一种鲁棒性较强的自适应波束形成方法.该方法通过考虑信号估计误差,在传统的线性约束最小方差的代价函数中引进信号协方差矩阵的估计误差并加入额外的波达角估计误差约束,通过一种高效的新型支持向量机训练算法计算权值;仿真结果表明该方法具有更好的鲁棒性.提高了波束形成器抑制信号估计失配和干扰非平稳性的能力.     

基于支撑矢量机的通信信号调制识别方法研究

提出了一种应用小波变换提取分类特征的基于支撑矢量机的通信信号调制识别方法。使用多个支撑矢量机分类器构成一个多类分类器用于多类信号的调制识别。在中频进行处理,不需要同步信息;利用支撑矢量机具有更好的推广能力,可以使用较少的训练样本。计算机仿真结果表明该方法可以很好地工作于信噪比变化范围较大的通信环境。     

基于PSO-SVM算法的雷达点迹真伪鉴别方法研究

为解决虚假目标点迹对雷达跟踪性能的影响,本文提出了一种基于PSO-SVM算法的雷达点迹真伪鉴别方法,进一步对目标点迹和杂波点迹进行真伪鉴别,有助于滤除杂波剩余点迹,提高雷达处理容量和跟踪性能。本方法利用点迹形成过程中生成的特征参数,先利用PSO算法对SVM算法参数进行优化选择,再利用参数优化后的SVM算法对雷达点迹进行真伪鉴别。最终,目标点迹鉴别准确率达到了95.18%,杂波点迹鉴别准确率达到了89.94%,整体的点迹鉴别准确率达到了92.13%。实验结果表明：该算法有较高、较稳定的点迹鉴别准确率,前期较多的杂波点迹被鉴别为目标点迹的缺陷也得到了较好的改善。     

融合表面肌电和加速度信号的下肢运动模式识别研究

为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数（Product Functions,PFs）,再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重（Laplacian score,LS）特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.     

基于多特征联合处理的灵巧噪声干扰识别

灵巧噪声干扰已成为一种作用于新体制相参雷达的重要干扰类型.为了有效抑制该类干扰,提出一种基于多维特征的抗干扰方式.通过分析DRFM产生灵巧噪声干扰原理,建立目标与干扰信号模型;在分析对比两类信号特性的基础上,提取包络起伏参数、相位门限内概率及盒维数特征以表征目标与干扰信号在波形、相位及尺度信息上的差异;为了进一步提高干扰识别性能,加入表征信号复杂度的近似熵特征,分析表明该特征因子对噪声具有较强的鲁棒性;最后采用支撑向量机对提取的多维特征进行处理以实现灵巧噪声干扰的识别对抗.仿真实验表明,该方法对目标和干扰的正确识别率高且基本不受干噪比影响.     

基于HHT和支持向量机的数字调制信号识别

提出了一种基于HHT和支持向量机的实际数字调制信号识别算法。首先介绍了HHT方法的基本原理，对三种数字调制信号进行分析，提出用于识别实际FSK，PSK和QAM信号的特征参数，然后运用支持向量机算法分类三种数字调制信号，仿真结果表明，在信噪比10dB时，识别率达95％以上。     

基于解调重构的跳频信号辐射源个体识别方法

现有跳频信号辐射源个体识别方法大多围绕跳变瞬态的特征进行讨论,其捕获和精准定位的难度较大。因此,提出了一种基于解调重构的跳频信号辐射源个体识别方法,能够有效利用跳频信号的稳态信息进行辐射源个体识别。首先对跳频信号进行跳变定时,提取出各跳的基带波形;然后解调出各跳的符号,并将其经过理想成型滤波器,得到理想的重构基带波形;最后将原始波形和重构波形一起送入神经网络,得到分类结果。给出发射机畸变模型和畸变参数范围,经过多次测试给出网络参数的建议取值范围,并进行验证实验。实验结果表明,该方法能够有效地完成跳频信号辐射源个体识别任务。     

基于拉曼光谱技术的可燃液体快速检测研究

拉曼光谱作为一种分子“指纹”图谱,能够根据物质分子间的振动对物质进行定性分析,广泛应用在很多领域。拉曼光谱可应用于便携式监测系统,但其数据量偏大,如果不对其数据处理,会增加后续的分析时间,影响自动识别的速度。文中选取九种常见可燃液体90#汽油、93#汽油、97#汽油、丙酮、二甲苯、甲醇、乙醇、乙二醇、叔丁醇为例,对其进行数据预处理分析,特征峰提取效果显著,进而对数据进行512点的压缩,然后选取支持向量机(support vector machine,SVM)分类算法和随机森林分类算法进行模型训练。研究结果表明,随机森林算法的识别可燃液体样品的交叉验证精度高于SVM算法,随机森林算法的均方误差的结果也都优于SVM算法。运用拉曼光谱技术可明显检测出可燃液体样品的谱峰,对数据进行压缩,提高分析速度,可为后续仪器小型化提供技术参考。     

基于支持向量机的星载SAR信号识别技术研究

针对星载合成孔径雷达(SAR)信号的电子对抗侦察识别问题,提出了一种基于支持向量机的星载SAR信号分类方法。该方法基于样本聚集性构建二叉树结构,解决了支持向量机的多分类问题;同时减小了二叉树结构的分类误差积累,选择高斯核函数解决样本的非线性问题,并采用遗传算法对模型参数进行优化,从而提高模型的分类性能。文中对加拿大的Radarsat-2星载SAR卫星的四种信号进行了分类仿真,并与传统的参数匹配法进行了比较,结果表明文中的方法具有较好的识别率,同时模型的泛化能力也比较强,有利于解决对星载SAR 的侦察难点问题。