变化低信噪比下的自适应信号侦测识别方法研究

With the gradually more complex of electromagnetic environment and the increasing of radio equipment, the signals’ transmitted environment is getting worse, and the SNR is low and often change within a certain range, which causes the existing identification method ineffective. It brings a great challenge for signals’ detection and identification. Therefore, this project intend to identify signals under big interference environment, and establish an adaptive signals’ detection and identification system under unstable low SNR environment: Feature space decomposition algorithm is used for the estimation of SNR. A variety of feature extracted algorithms are adaptively chose to establish multi-dimensional features’ database. For low and unstable SNR environment, cloud model is proposed to secondly extract digital features, in order to more accurately extract the fuzzy features of signals. Feature selection algorithm is used to optimize the features’ database, and then joint classifiers are designed to achieve the purpose of precisely identify the signals under low SNR environment with at least changing SNR of 5dB. The key focus is to study the scientific problems encountered: the determination of signal’s spatial dimension under low SNR, the effective extraction of fuzzy features and the co-optimization of the two classifiers. A number of innovative research results will be made in order to provide important theoretical basis for the development of electronic surveillance technology and other related disciplines.

随着电磁环境的日益复杂及电台设备的逐渐增加，传输信号的环境越来越差，信噪比常常较低且在一定的范围内变化，造成现有的识别方法在对其应用时效果不佳，给信号侦察识别手段带来了极大的挑战。为此，本项目拟以较大干扰环境下的信号识别为研究对象，建立一套针对不稳定低信噪比环境的自适应信号侦测识别系统：利用特征空间分解算法实现对信噪比的估计；自适应选择多种特征提取算法，建立多维特征数据库；对信噪比较低且不稳定的环境，提出云模型数字特征二次提取，更精确的提取信号的模糊特征；利用特征选择算法优化特征数据库，并设计联合分类器，实现变化范围至少为5dB的低信噪比环境下，对信号进行精确识别的目的。重点研究所遇到的关键科学问题：低信噪比估计时信号空间维数的确定，多种模糊特征的有效提取和两种分类器的串联协同优化等。取得一些创新性的研究成果，以期为电子侦察技术等相关学科的发展提供重要的理论依据。

本项目以解决变化范围较大的低信噪比环境下的信号侦测识别问题为目的，在变化范围较大的低信噪比环境下，有效提取信号的特征，通过分析信号的有效特征属性，确定信号的类别，进而判断敌方电台的位置、威胁等级、干扰对象、电台性质等，对电子侦察、军事打击以及干扰敌方信号都具有着重要的应用价值。主要研究内容如下：1.利用自相关矩阵特征值分解方法，实现了对电磁环境信噪比的有效估计；2.提出了基于功率谱香农熵、功率谱指数熵、奇异谱熵、小波能量谱熵、时频Renyi熵、双谱熵、样本熵以及模糊熵特征的信号特征提取算法；3.提出了基于多种一维分形维数---分形盒维数、Higuchi分形维数、Petrosian分形维数、Katz分形维数等的信号特征提取算法；4.提出了基于多重分形维数的信号细微特征提取算法；5.针对信噪比环境较低的情况，提出了基于云模型数字特征的二次特征提取算法，实现了对信号模糊特征更精确的刻画；6.提出了基于Holder系数的信号特征选择算法，对提取到的特征数据库进行了优化；7.设计了基于灰色关联及证据理论结合的联合分类器，提高了独立分类器对信号识别的准确性。8.实测采集不同种类的调制信号，利用以上研究成果，在变化范围为6dB的低信噪比环境下，对6种待识别通信调制信号进行识别，在信噪比为5-10dB变化环境下，仍可达到98%的识别率。综上所述，本课题达到了预期目的，取得了丰硕的理论研究成果，且部分成果已经在课题组承担的复杂电磁环境效应国家重点实验室的开放基金中得到应用，这为机械故障诊断、地质信号分析、语音信号识别等相关信号处理领域的发展都提供了重要的理论依据。