信号:干扰类别及特征提取(二)

目录

第二部分:特征提取

一:瞬时特征参数

1.零中心归一化瞬时幅度之谱密度的最大值

2.非弱信号段零中心归一化瞬时幅度的标准偏差

3.零中心归一化瞬时幅度绝对值的标准偏差

4.零中心归一化非弱信号段瞬时频率的标准偏差

5.零中心归一化非弱信号段瞬时频率绝对值的标准偏差

6.非弱信号段瞬时相位非线性分量直接值的标准偏差

7.零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差

[二:包络特征参数 R](#二:包络特征参数 R)

三:谱特征

1.功率谱特征

2.平方谱特征

[2.1 平方谱幅度最大值Q2max:](#2.1 平方谱幅度最大值Q2max:)

3.四平方谱特征

[3.1 n 次方谱检测参数 Spn:](#3.1 n 次方谱检测参数 Spn:)

四:高阶累积量和高阶矩

二阶累积量

四阶累积量

参考文献

刘春桃.卫星测控信号调制识别技术研究[D].国防科技大学,2017.

张妙. 战术数据链Link-11物理层及调制识别技术的研究[D].西安电子科技大学,2011.

王旭.基于小波变换的通信信号特征提取与调制识别[D].贵州大学,2009.

第二部分:特征提取

一:瞬时特征参数

幅度、 相位和频率是通信信号的三大基本特征

1.零中心归一化瞬时幅度之谱密度的最大值

用来区分幅度包络是否恒定

2.非弱信号段零中心归一化瞬时幅度的标准偏差

3.零中心归一化瞬时幅度绝对值的标准偏差

区分不同的幅度个数

4.零中心归一化非弱信号段瞬时频率的标准偏差

反映信号是否存在频率调制变化。怎么样估计符号速率/载频,以及如何设置非弱信号的门限,都是问题。

5.零中心归一化非弱信号段瞬时频率绝对值的标准偏差

区分不同的频率个数

6.非弱信号段瞬时相位非线性分量直接值的标准偏差

7.零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差



二:包络特征参数 R



三:谱特征

1.功率谱特征

信号功率谱单频分量数量值 N1:N1 用来定量的描述信号功率谱中突出单频谱线的数量,因此我们可以利用 N1来识别有单频分量信号和无单频分量信号。

2.平方谱特征

信号的平方谱,即信号平方后的功率谱,反映平方后的调制信号功率在频率上的分布情况

2.1 平方谱幅度最大值Q2max:

用来描述信号平方谱中突出单频分量的绝对值的最大值,求Q2max 的方法与求 N1 方法相近,对信号平方谱做去直流处理后,找到可能的单频分量,此时,不需要设定阈值判断是否为单频分量,只需要求得单频分量的最大值即可。

3.四平方谱特征

信号的四次方谱,即信号四次方后的功率谱

3.1 n 次方谱检测参数 Spn:

调制样式不同的信号,在经过非线性变换后通常具有丰富的谱线特征



四:高阶累积量和高阶矩

二阶累积量

四阶累积量

X (k+l)表示X (k)的时延序列,*表示取共轭

在 X(k) 独立同分布情况下,当 时,高阶累积量可以简化为:

其中是 X (k) 的 p 阶混合矩。

参考文献

  • [1]Nandi.A.K, Azzous.E.E. Recognition of analogue modulations [J].Signal Processing. 1995,46(2):211-222。
  • [2] Azzous.E.E, Nandi.A.K. Automatic identification of digital modulations [J].Signal Processing. 1995,47(1):55-69。
  • [3] E.E. Azzous, A.K.Nandi. Procedure for Automatic Recognition of analogue and digital modulations [J] . IEEE Proceeding Communications . 1996 , 143(5):259-266。
  • [4] A.K.Nandi, E.E. Azzous. Algorithms for Automatic Modulation Recognition of Communication Signals [J] . IEEE Transactions on Communication.1998,46(4):431-436。
相关推荐
网易独家音乐人Mike Zhou10 分钟前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
小陈phd13 分钟前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao1 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
Swift社区4 小时前
LeetCode - #139 单词拆分
算法·leetcode·职场和发展
Kent_J_Truman4 小时前
greater<>() 、less<>()及运算符 < 重载在排序和堆中的使用
算法
IT 青年5 小时前
数据结构 (1)基本概念和术语
数据结构·算法
ZHOU_WUYI5 小时前
3.langchain中的prompt模板 (few shot examples in chat models)
人工智能·langchain·prompt
Dong雨5 小时前
力扣hot100-->栈/单调栈
算法·leetcode·职场和发展
如若1235 小时前
主要用于图像的颜色提取、替换以及区域修改
人工智能·opencv·计算机视觉
SoraLuna5 小时前
「Mac玩转仓颉内测版24」基础篇4 - 浮点类型详解
开发语言·算法·macos·cangjie