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。

  • 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。

相关推荐
爱编程的化学家3 分钟前
代码随想录算法训练营第27天 -- 动态规划1 || 509.斐波那契数列 / 70.爬楼梯 / 746.使用最小花费爬楼梯
数据结构·c++·算法·leetcode·动态规划·代码随想录
CoovallyAIHub14 分钟前
告别等待!十条高效PyTorch数据增强流水线,让你的GPU不再"饥饿"
深度学习·算法·计算机视觉
共绩算力23 分钟前
OpenAI Whisper 语音识别模型:技术与应用全面分析
人工智能·whisper·语音识别·共绩算力
海琴烟Sunshine33 分钟前
leetcode 66.加一 python
python·算法·leetcode
工藤学编程35 分钟前
零基础学AI大模型之Stream流式输出实战
人工智能
不良人龍木木1 小时前
机器学习-常用库
人工智能·机器学习
罗橙7号1 小时前
【pyTorch】关于PyTorch的高级索引机制理解
人工智能·pytorch·python
rengang661 小时前
09-随机森林:介绍集成学习中通过多决策树提升性能的算法
人工智能·算法·随机森林·机器学习·集成学习
CoovallyAIHub1 小时前
量子计算迎来诺奖时刻!谷歌赢麻了
深度学习·算法·计算机视觉