一种跳频通信电台的分选方法技术

本发明专利技术涉及一种跳频通信电台的分选方法，包括：步骤一，初始化，设置最佳特征子集步骤二，采集跳频通信电台的特征集合S＝(s1,s2,...,s

【技术实现步骤摘要】
一种跳频通信电台的分选方法


[0001]本专利技术涉及无线通信
，尤其涉及一种跳频通信电台的分选方法。

技术介绍

[0002]跳频通信系统是指在相同的同步算法和伪随机跳频图案算法的控制下，射频频率在约定的频率范围内伪随机且同步跳变的通信方式。这种通信方式具有良好的抗干扰性、低截获概率和强组网能力，在军事和民用通信领域得到广泛应用。
[0003]现有跳频通信类研究中，大都侧重于跳频信号的检测和相关参数估计，较少的研究跳频信号的分类识别。跳频信号的电台分类识别是跳频通信对抗的重要一环，现有文献主要利用跳频信号的跳时刻、跳周期、方位信息等参数实现跳频信号的分类与识别。例如：
[0004]文献1：XU Qihua.Frequency hopping signal recognition method in signal reconnaissance[D].Xi
’
an，Xi'an Electronic and Science University,2005；提出一种基于最大相关性和时间相关性相结合的跳频信号分选算法；
[0005]文献2：ERIC M,DUKIC M L,OBRADOVIC M.Frequency hopping signal separation by spatio-frequency analysis based on the MUSIC method[J].Spread Spectrum Techni ques&Applications,2000,1:78-82；提出的利用MUSIC算法估计出跳频信号方位信息，然后利用方位信息实现跳频信号的分选；
[0006]文献3：CHEN Lihu,ZHANG Eryang,SHEN Rongjun.The sorting of frequency hopping s ignals based on K-means algorithm with optimal initial clustering centers[J].Journal of National University of Defense Technology,2009,31(2):70-75；提出一种基于K-means聚类的跳频信号分选算法，根据跳频信号的跳周期、方位信息以及功率参数通过分类器实现跳频信号的分选，但是算法的性能过度依赖于跳频信号参数的精确度。
[0007]文献4:WANG Bing,CHEN Qiuhua,WANG Cuibai.Identification of frequency hopping signals based on clustering[J].Journal of Beijing University of Posts and Telecommunications,2009,32(2):80-84；文献4在上述文献3的基础上，提出一种基于改进KHM聚类的跳频信号分选算法，一定程度上提高了分选性能，但是这种算法必须预先知道信号的类别数。随着电磁环境日益复杂，而且跳频模式种类逐渐增多，仅靠跳频信号的常见参数实现电台分选就显得捉襟见肘了。
[0008]近年研究表明，高维特征用于跳频电台细微特征的识别与分选具有很大优势，为了增强对跳频电台的分类识别能力，通常需要增加特征类型和高维特征维数，来进一步提高分类器的分类精度。但是随着特征种类和维数的增加，会引入大量不相关和冗余特征，导致分类计算时间过长，分类正确率较低。
[0009]此外，特征中存在的噪声、不精确性以及模糊性会影响特征度量的计算结果，从而影响特征选择的结果。例如，噪声、模糊性等会使得原本弱相关的两个特征不相关性，而使得原来不相关的特征变得相关，从而影响特征选择的结果。

技术实现思路

[0010]因此，针对上述的问题，本专利技术提出一种跳频通信电台的分选方法，通过度量在类别信息条件下候选特征与其他特征的模糊互信息量的大小，并通过最大模糊联合互信息量得到最佳特征子集，最后半监督条件下CRC分类器进行跳频通信电台的分选，对噪声、不精确、模糊等数据进行处理，从而消除其对特征度量计算的影响。
[0011]为实现上述目的，本专利技术采用了以下技术方案：一种跳频通信电台的分选方法，其特征在于，包括以下步骤：
[0012]步骤一，初始化，设置最佳特征子集
[0013]步骤二，收集跳频通信电台的数据样本进行预处理，得到跳频通信电台的多个特征，各特征组成特征集合S＝(s1,s2,...,s
M
)；
[0014]跳频通信电台的类别信息D；
[0015]步骤三，计算细微特征集合S与类别信息D的模糊互信息I(s
i
；D)；
[0016]选取I(s
i
；D)最大值对应的特征S
max
为候选特征s
i
；s
i
∈S-S
select
；
[0017]S
select
＝S
select
∪S
max
；
[0018]步骤四，重复执行步骤二、步骤三，形成由多个候选特征s
i
组成的候选特征子集s
k
；
[0019]步骤五，基于归一化模糊联合互信息的特征选择:
[0020]定义特征S
p
，S
p
∈S
select
；
[0021]计算V
JMI
＝I(s
k
,s
p
；D)，假设令V＝V∪V
JMI
，取V的最小值为U
JMI
，U
JMI
为最小联合互信息；
[0022]即：U
JMI
＝min(V
JMI
)；
[0023]步骤六，在候选特征子集s
k
的所有候选特征s
i
中，选择使得最小联合互信息的值最大的特征；
[0024]令U＝U∪U
JMI
，则f＝max(U)；
[0025]S
select
＝S
select
∪f；
[0026]步骤八，基于半监督条件下CRC分类器对最佳特征子集S
select
进行分选。
[0027]进一步的，所述细微特征包括跳频通信电台的盒维数、瑞利熵、信息维数、LZC复杂度、峰度和波形特征。
[0028]通过采用前述技术方案，本专利技术的有益效果是：本跳频通信电台的分选方法，通过度量在类别信息条件下候选特征与其他特征的模糊互信息量的大小，进行特征与类别、特征与特征的相关性分析，并通过最大模糊联合互信息量得到最佳特征子集，最后半监督条件下CRC分类器进行跳频通信电台的分选，对噪声、不精确、模糊等数据进行处理，从而消除其对特征度量计算的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跳频通信电台的分选方法，其特征在于，包括以下步骤：步骤一，初始化，设置最佳特征子集步骤二，收集跳频通信电台的数据样本进行预处理，得到跳频通信电台的多个特征，各特征组成特征集合S＝(s1,s2,...,s
M
)；跳频通信电台的类别信息D；步骤三，计算细微特征集合S与类别信息D的模糊互信息I(s
i
；D)；选取I(s
i
；D)最大值对应的特征S
max
为候选特征s
i
；s
i
∈S-S
select
；S
select
＝S
select
∪S
max
；步骤四，重复执行步骤二、步骤三，形成由多个候选特征s
i
组成的候选特征子集s
k
；步骤五，基于归一化模糊联合互信息的特征选择:定义特征S
p
，S
p
∈S

【专利技术属性】
技术研发人员：于欣永，李金光，刘冰，杨银松，李文强，仇功达，
申请(专利权)人：中国人民解放军空军通信士官学校，
类型：发明
国别省市：