基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法及装置制造方法及图纸

本发明专利技术属于无线通信信号处理技术领域，特别涉及一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法及装置，该方法包含：对目标信号进行多分辨率分析，并提取各分辨率下时频谱图多个退水程度下的投影特征，获取二值投影图像；对调制特征进行建模及量化，建立逐层决策机制，依据二值投影图像是否符合决策要求进行信号调制分类。本发明专利技术对目标信号进行基于多分辨谱图多层退水投影并对不同的调制特征进行建模以及量化，建立逐层决策机制，进行待检测信号的调制类别的匹配判决目的。通过仿真分析多个信号的分类实例表明，不仅能够快速对信号进行调制类别的识别，并且大大降低了虚警率，满足实际需求，具有很好的工程实现价值。

Signal Modulation Classification Recognition Method and Device Based on Multi-Resolution Spectrum Watershed Image Segmentation and Decision Tree

【技术实现步骤摘要】
基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法及装置
本专利技术属于无线通信信号处理
，特别涉及一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法及装置。
技术介绍
作为软件无线电的重要基础技术，信号调制类型的快速自动分类一直是通信领域的研究热点，在民用系统中有着广泛的研究价值。传统的调制分类方法主要分为两种：基于假设检验与似然函数的决策方法和基于特征参数提取的模式识别方法。但是由于短波信道的时变色散性，对信号畸变较大，加之通信体制的多样化，信号样式越发复杂。在先验知识较少的情况下，对信号进行特征提取难度较大，分类效果差强人意。近年来，时频分析得到了广泛的关注。其基本思想是通过对信号进行某种变换，将一维时域映射到二维时频域，也即构造信号的时频联合分布函数。通过时频分析，视觉上可以直观凸显信号能量的局部变化规律，同时对信号的时频指纹的提取更加方便。因此通过时频分析对信号大类进行区分作为一种新的研究方式，成为了研究的热点。
技术实现思路
为此，本专利技术提供一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法及装置，以信号时频谱的视觉特性为基础来实现对信号的分类，较传统的方法性能上有较大改观，虚警率大大降低，具有很强的应用前景。按照本专利技术所提供的设计方案，一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，包含如下内容：A)对目标信号进行多分辨率分析，并提取各分辨率下时频谱图多个退水程度下的投影特征，获取二值投影图像；B)对调制特征进行建模及量化，建立逐层决策机制，依据二值投影图像是否符合决策要求进行信号调制分类。上述的，A)中，具体包含如下内容：首先，对目标短波信号进行功率谱计算及对数变换；然后，通过阈值分割及图像灰度拉伸，获取量化灰度图谱图，获取灰度共生矩阵。优选的，通过逐层退水进行切割投影过程中，通过设定步进大小对退水高度进行逐层下探来获取投影面。上述的，B)中，具体包含如下内容：首先，对各类调制信号呈现的视觉特征进行建模量化，形成知识，并记入调制类别分类专家系统中；然后，通过调制类别分类专家系统对未知信号进行调制分类判定。优选的，各类调制信号建模量化，包含：AM/Morse类别建模，MFSK类别建模，MultiTone类别建模，SSB类别建模，MPSK/QAM/OFDM类别建模。更进一步，将最佳分辨率下退水时频谱图单频特征作为AM/Morse信号类别模型的识别特征；将信号时频谱图退水处理后的幅度频点作为MFSK信号类别模型的识别特征；针对最佳分辨率时频谱图在最佳退水平面的退水投影图，对退水投影图进行中值滤波获取剩余值数量，考察退水处理后二值图像的行列投影向量的均匀性，以退水投影图、剩余值数量和均匀性作为MPSK/QAM/OFDM信号类别模型的识别特征；最佳分辨率以及最佳退水平面情形下，以退水后时频谱图的横向相关性大小和纵向值分布离散性作为SSB信号类别模型的识别特征；对退水处理后的退水投影图进行功率谱特征累加，通过设定门限查找各路信号及其间隔，以路间隔均匀性、信号带宽均匀性作为MultiTone信号类别模型的识别特征。优选的，通过调制类别分类专家系统，对未知信号采用逐类判决退出搜索策略进行知识匹配，匹配成功，即识别结束。更进一步，在进行知识匹配过程中，对各载波处长时间跟踪进行多段综合判决，通过多段识别结果融合，确定待识别目标信号载波的最终识别结果。一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别装置，包含：分析模块和识别模块，其中，分析模块，用于对目标信号进行多分辨率分析，并提取各分辨率下时频谱图多个退水程度下的投影特征，获取二值投影图像；识别模块，用于对调制特征进行建模及量化，建立逐层决策机制，依据二值投影图像是否符合决策要求进行信号调制分类。上述的装置中，所述分析模块包含特征提取单元和退水处理单元，其中，特征提取单元，用于通过设置一系列分析窗对目标信号进行短时傅里叶变换，获取多分辨率下的时频谱图；退水处理单元，用于对时频谱图通过逐层退水进行切割投影，获取二值投影图像。本专利技术的有益效果：本专利技术针对在短波通信体制中传统的自动信号识别需要很多先验知识的难题，运用逐层决策退出策略，对目标信号进行多分辨率的时频分析，并对各分辨率下的时频谱图进行不同程度的退水投影提取特征，得到二值图像；通过对不同的调制特征进行建模以及量化，建立逐层决策机制，信号中若存在某一分辨率下的某一程度退水投影的二值图像符合决策要求，则完成分类。反之，对信号进行下一层的判决，直到达到判决目的；通过仿真分析多个信号的分类实例表明，不仅能够快速对信号进行调制类别的识别，并且大大降低了虚警率；理论和仿真研究皆表明基于逐层决策的多分辨率的多层退水分水岭能够很好地对短波环境下的调制方式进行分类，符合实际需求，具有很好的应用前景。附图说明：图1为实施例中信号调制分类识别方法流程图；图2为实施例中不同退水高度处理后的时频谱图；图3为实施例中AM和Morse类在最佳分辨率下退水的时频谱图；图4为实施例中FSK信号时频谱图经过退水处理后的时频谱图；图5为实施例中MPSK/MQAM/OFDM信号的最佳分辨率谱图在最佳退水平面上的投影效果图；图6为实施例中SSB信号在最佳分辨率最佳退水高度的时频谱图；图7为实施例中MultiTone信号在最佳分辨率最优退水高度处理及二值形态学的腐蚀预处理的结果示意图；图8为实施例中逐类判决退出调制分类流程图；图9为实施例中信号调制分类识别装置示意图；图10为实施例中分析模块示意图；图11为仿真实验中FSK/PSK/MultiTone/Morse信号识别率曲线图；图12为仿真实验中AM/SSB信号识别率曲线图。具体实施方式：为使本专利技术的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本专利技术作进一步详细的说明。对于信号大类区分而言，若时频分析的分辨率设置合理，即使不是最佳，在视觉上也能对信号进行准确区分，极大地克服了信号先验知识不足的困难。因此，为了解决传统调制识别的缺陷，对大类信号的时频谱图的视觉特性进行建模，建立一定的搜索策略，从而达到分类目的。识别流程中，为达到更好地泛化能力，首先对信号进行多分辨率的时频分析，以适应短波通信体制下的各类别信号，保证信号在视觉上依旧是线性可分的。采用数字图像处理技术，对各分辨率下的时频谱进行分水岭算法以及形态学运算，从而凸显信号视觉特性。最后对视觉特性进行建模量化，为了降低识别的虚警率，搜索策略上采用确证式逐类判决退出策略，最终完成分类。为此，本专利技术实施例中，参见图1所示，提供一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类方法，包含如下内容：S101)对目标信号进行多分辨率分析，并提取各分辨率下时频谱图多个退水程度下的投影特征，获取二值投影图像；S102)对调制特征进行建模及量化，建立逐层决策机制，依据二值投影图像是否符合决策要求进行信号调制分类识别。通过克服传统方法对先验知识的依赖大的缺点，以信号时频谱的视觉特性为基础的数字图像处理方法，来实现对信号的分类，大大降低虚警率，具有一定的研究价值。时频分析中一般都是采用短时傅氏变换(STFT，Short-TimeFourierTransform)，其具体定义本文档来自技高网...

【技术保护点】
1.一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，包含：A)对目标信号进行多分辨率分析，并提取各分辨率下时频谱图多个退水程度下的投影特征，获取二值投影图像；B)对调制特征进行建模及量化，建立逐层决策机制，依据二值投影图像是否符合决策要求进行信号调制分类识别。

【技术特征摘要】
1.一种基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，包含：A)对目标信号进行多分辨率分析，并提取各分辨率下时频谱图多个退水程度下的投影特征，获取二值投影图像；B)对调制特征进行建模及量化，建立逐层决策机制，依据二值投影图像是否符合决策要求进行信号调制分类识别。2.根据权利要求1所述的基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，A)中，具体包含如下内容：首先，通过设置一系列分析窗对目标信号进行短时傅里叶变换，获取多分辨率下的时频谱图；然后，对时频谱图通过逐层退水进行切割投影，获取二值投影图像。3.根据权利要求2所述的基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，通过逐层退水进行切割投影过程中，通过设定步进大小对退水高度进行逐层下探来获取投影面。4.根据权利要求1所述的基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，B)中，具体包含如下内容：首先，对各类调制信号呈现的视觉特征进行建模量化，形成知识，并记入调制类别分类专家系统中；然后，通过调制类别分类专家系统对未知信号进行调制分类判定。5.根据权利要求4所述的基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，各类调制信号建模量化，包含：AM/Morse类别建模，MFSK类别建模，MultiTone类别建模，SSB类别建模，MPSK/QAM/OFDM类别建模。6.根据权利要求5所述的基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法，其特征在于，将最佳分辨率下退水时频谱图单频特征作为AM/Morse信号类别模型的识别特征；将信号时频谱图退水处理后的幅度频点作为MFSK信号类别模型的识别特征；针对最佳分辨率时频谱图在最...

【专利技术属性】
技术研发人员：许漫坤，李天昀，彭华，王刚，潘一苇，查雄，李广，孙昱，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41