李儷顏 何耀民 張輝

【摘要】針對(duì)已經(jīng)偵測(cè)得到的信號(hào)，首先進(jìn)行從時(shí)域到頻域的快速傅里葉變換，其次使用Kmeans聚類法將信號(hào)根據(jù)頻域特征進(jìn)行分類，然后對(duì)每類信號(hào)求平均消除高斯白噪聲的干擾，最后分別提取每類聚類平均信號(hào)的特征量載頻，調(diào)制信號(hào)和放大倍數(shù)，建立信號(hào)源識(shí)別分類模型。

【關(guān)鍵詞】Kmeans聚類 識(shí)別分類 傅里葉變換 特征值

【基金項(xiàng)目】陜西省教育廳專項(xiàng)科研計(jì)劃項(xiàng)目（編號(hào)：16JK1696）資助）

【中圖分類號(hào)】TP391.3 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2017）22-0024-02

引言

在現(xiàn)今通信技術(shù)的高速發(fā)展和廣泛應(yīng)用的背景下，如何對(duì)偵測(cè)到的不同類別通信輻射源及輻射信號(hào)進(jìn)行特征量的提取和解算，實(shí)現(xiàn)對(duì)多個(gè)信號(hào)的識(shí)別分類是當(dāng)今通信領(lǐng)域研究的一個(gè)重點(diǎn)。針對(duì)不同種類的信號(hào)源要采取不同的識(shí)別方法，這樣才能實(shí)現(xiàn)對(duì)信號(hào)的快速捕獲和快速識(shí)別，以達(dá)到及時(shí)掌握已捕獲信號(hào)信息，從而實(shí)現(xiàn)對(duì)信號(hào)源的分析和應(yīng)用。假設(shè)我方偵測(cè)接收得到500個(gè)由5類不同通信輻射源的信號(hào)樣本，其采樣頻率均為fs。通過提取分析通信輻射源的信號(hào)特征，建立識(shí)別分類模型，對(duì)這500個(gè)信號(hào)樣本進(jìn)行識(shí)別分類。

一、快速傅里葉變換

利用 MATLAB對(duì)500個(gè)信號(hào)的時(shí)域頻譜圖進(jìn)行繪制，可以初步觀察不同信號(hào)之間的差異。如果信號(hào)在時(shí)域中的規(guī)律不明顯，無法準(zhǔn)確分析輻射源信號(hào)的特征，則對(duì)其進(jìn)行快速傅里葉變換得到信號(hào)在頻域的分布，同時(shí)將每個(gè)信號(hào)的1024個(gè)時(shí)域值轉(zhuǎn)換為頻域值，可以從頻域頻譜圖中觀察不同信號(hào)之間的異同。

通過觀察5個(gè)具有代表性的信號(hào)頻域頻譜圖可判斷出500個(gè)信號(hào)之間大致分為5類，并且5類信號(hào)之間波峰的數(shù)量，最大波峰對(duì)應(yīng)的中心載頻與其幅值，高斯白噪聲的影響都能夠得到較好的區(qū)分。

二、Kmeans聚類分析和平均降噪處理

若利用傅里葉變換對(duì)信號(hào)的分類效果不理想，則可使用Kmeans聚類算法對(duì)500個(gè)信號(hào)所有的500×1024個(gè)信號(hào)點(diǎn)從距離遠(yuǎn)近的角度出發(fā)將信號(hào)分中心載頻為5類。Kmeans聚類算法是一種非監(jiān)督的實(shí)時(shí)聚類算法，該方法是選取5個(gè)初始聚類中心點(diǎn)，按照最小距離原則將500×1024個(gè)信號(hào)點(diǎn)分配到 5 類中的一類，最終使所有的點(diǎn)到達(dá)其對(duì)應(yīng)中心的距離之和最小。具體的聚類流程為：第一步，分別從5個(gè)具有代表性的信號(hào)頻域頻譜圖中選取5個(gè)初始聚類中心點(diǎn)，為o1、o2、o3、o4、o5；第二步，將500×1024個(gè)信號(hào)點(diǎn)逐個(gè)按照與聚類中心點(diǎn)距離最小的原則劃分到5類信號(hào)中的某一類，即，其中xi表示諸多信號(hào)點(diǎn)之一，ωi表示每一類信號(hào)點(diǎn)的組合，dij表示信號(hào)點(diǎn)到中心點(diǎn)oj的距離，c表示迭代的次數(shù)，即該類信號(hào)點(diǎn)的組合中加入新的一個(gè)點(diǎn)xi后，產(chǎn)生一個(gè)新的分類組合。第三步，在經(jīng)過一次循環(huán)所有的信號(hào)點(diǎn)都找到距離最近的中心分類后，重新計(jì)算5類中心點(diǎn)，即：

，

，其中，為

類信號(hào)中信號(hào)點(diǎn)的個(gè)數(shù)。第四步，若，則聚類結(jié)束。否則，c=c+1返回第二步使用新的中心點(diǎn)進(jìn)行新一輪聚類運(yùn)算。通多c次的迭代運(yùn)算后，得到所有信號(hào)點(diǎn)的聚類結(jié)果。

已知在實(shí)際的通信信號(hào)傳播過程中，信號(hào)都會(huì)受到高斯白噪聲的干擾，高斯白噪聲的隨機(jī)產(chǎn)生符合高斯正態(tài)分布。對(duì)每類個(gè)信號(hào)的5類信號(hào)分別求平均值，在求均值的同時(shí)對(duì)于一類信號(hào)的各個(gè)信號(hào)在某一頻點(diǎn)n的高斯隨機(jī)噪聲被消除，即，其中，rn為我方接收機(jī)偵測(cè)到的信號(hào)，為高斯白噪聲，為敵方放大器發(fā)出的信號(hào)。在先后經(jīng)過聚類求平均后，5類信號(hào)之間的頻域頻譜圖已經(jīng)有了很好的區(qū)分度，下面通過提取每類信號(hào)的特征量建立信號(hào)源的識(shí)別分類模型。

三、提取每類信號(hào)的特征值

因?yàn)樵谛盘?hào)中的最高幅值點(diǎn)對(duì)應(yīng)的信號(hào)波的頻率點(diǎn)為中心載頻fc，使用MATLAB工具中的MAX函數(shù)得到每類信號(hào)中的中心載頻fc和振幅yc。對(duì)信號(hào)進(jìn)行歸一化處理后，去除敵方通信輻射源信號(hào)放大器的放大作用，使得，再根據(jù)變換得到調(diào)制信號(hào)sn，其中每一類信號(hào)的中心頻率fc和采樣頻fs已知，即可刻畫出信號(hào)的調(diào)制信號(hào)包絡(luò)圖。

己知通信輻射源信號(hào)放大器采用相同的泰勒多項(xiàng)式放大，其表達(dá)式為，其中α1、α2、α3包含了通信輻射源的指紋特征，與功率放大器的固定性能參數(shù)有關(guān)。在求解信號(hào)源的放大器放大系數(shù)的過程中，α1、α2、α3涉及到高階次冪的解算比較困難，因此實(shí)際求解過程中針對(duì)信號(hào)輻射源的功率放大器做了兩種仿真實(shí)驗(yàn)，分別分析幾類信號(hào)的功率放大器的放大系數(shù)，最后使用仿真實(shí)驗(yàn)得到功率放大器放大系數(shù)代替泰勒多項(xiàng)式的系數(shù)α1、α2、α3，作為信號(hào)輻射源放大器的特征量來區(qū)別信號(hào)。

針對(duì)同一類信號(hào)，首先對(duì)其進(jìn)行歸一化處理，然后取三組不規(guī)律的α1、α2、α3功率放大器泰勒多項(xiàng)式系數(shù)組合，通過觀察該類信號(hào)聚類平均頻譜圖的參數(shù)變化，分析不同α1、α2、α3功率放大器放大系數(shù)對(duì)一個(gè)信號(hào)源的相關(guān)關(guān)系。針對(duì)不同類信號(hào)，首先進(jìn)行歸一化處理，然后隨機(jī)選取一組不規(guī)律的功率放大器泰勒多項(xiàng)式系數(shù)組合，通過觀察5類信號(hào)聚類平均頻譜圖的參數(shù)變化，分析一個(gè)α1、α2、α3功率放大器放大系數(shù)對(duì)不同信號(hào)源的相關(guān)關(guān)系。

通過觀察一組α1、α2、α3功率放大器泰勒多項(xiàng)式系數(shù)對(duì)聚類平均信號(hào)歸一化處理后進(jìn)行功率放大的頻譜圖參數(shù)中，5類信號(hào)的中心頻率fc均未發(fā)生變化，只使得每個(gè)信號(hào)的1024個(gè)信號(hào)點(diǎn)的振幅整體上下偏移。雖然功率放大器是非線性系統(tǒng)，但是一個(gè)放大器對(duì)不同信號(hào)的作用效果等效相同，則可再根據(jù)不規(guī)律功率放大器泰勒多項(xiàng)式系數(shù)組合得到綜合評(píng)價(jià)5個(gè)信號(hào)源功率放大器放大系數(shù)α指標(biāo)的方法。

四、結(jié)束語

在實(shí)際的應(yīng)用中，對(duì)信號(hào)的分類處理不僅考慮信號(hào)的時(shí)域、頻域特征，也將信號(hào)進(jìn)行更加精細(xì)的時(shí)頻處理，用K-means聚類分析信號(hào)并不斷修正分析方法，另外針對(duì)不同種類的信號(hào)選取相適應(yīng)的處理方法，這樣會(huì)得到更加準(zhǔn)確理想的處理。

參考文獻(xiàn)：

[l]張賢達(dá).現(xiàn)代信號(hào)處理（第二版）[M].北京：清華大學(xué)出版社，2002.

[2]鄭宗漢，鄭曉明.算法設(shè)計(jì)與分析[M].北京：清華大學(xué)出版社，2005.

[3]陸滿君，詹毅，司錫才.通信輻射源瞬態(tài)特征提取和個(gè)體識(shí)別方法[[J].西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，36：736-740.

[4]Fadili J M，Starck J L.Image decomposition and separation using sparse representations：an overview[J].Proceedings of the IEEE，2010，98（6）：983-994.

[5]Zibulevsky M，Elad M.L1-L2 optimization in signal and image processing[J].IEEE signal processing magazine，2010，27（3）：76-81.