【技术实现步骤摘要】
一种基于频谱模板的信号快速识别方法
[0001]本专利技术属于频谱监测、信号干扰排查领域,具体涉及一种基于频谱模板的信号快速识别方法。
技术介绍
[0002]随着电子技术的发展,各种新型信息化设备不断出现,电磁辐射源辐射的电磁信号越来越多,形成了宽频段、多类型、快变化的复杂电磁环境。在此情况下对在复杂电磁环境中的信号识别能力的需求也变得越来越迫切,根据应用需求,需要实现信号的实时快速识别,然而现有的技术手段,只具备基于IQ信号的识别能力,不具备基于频谱模板匹配的信号快速识别能力。
[0003]而且目前的信号快速识别方法存在两个问题:第一,现有信号识别方法的原理是基于IQ信号的识别,在得到IQ信号的过程中需要进行一系列处理,此处理需要耗费一定时间,导致其识别速度较慢;第二,在复杂的电磁环境下存在繁多的信号,如果对每个信号进行处理识别,会严重影响工作效率,无法满足实时监测的要求。
技术实现思路
[0004]为了解决上述问题,本专利技术提出了一种基于频谱模板的信号快速识别方法,基于已知信号的频谱轮廓线与未知信号进行比对,若相似度高的就认为该未知信号就是已知信号,解决宽带信号的快速识别问题,形成宽带信号快速识别能力。
[0005]本专利技术的技术方案如下:
[0006]一种基于频谱模板的信号快速识别方法,包括如下步骤:
[0007]S1.对已知频谱模板的信号样本进行重采样,按信号已知类别进行分类得到多个子样本集合;
[0008]S2.对每个子样本集合通过高斯过程回归分别
【技术保护点】
【技术特征摘要】
1.一种基于频谱模板的信号快速识别方法,其特征在于,包括如下步骤:S1.对已知频谱模板的信号样本进行重采样,按信号已知类别进行分类得到多个子样本集合;S2.对每个子样本集合通过高斯过程回归分别建立信号识别子模型;S3.输入一个未知信号,基于并行计算架构将该未知信号同时输入每个信号识别子模型,每个信号识别子模型均输出一个满足高斯分布的预测结果;S4.通过贝叶斯决策将所有信号识别子模型的预测输出进行融合,输出最终预测的信号类型。2.根据权利要求1所述基于频谱模板的信号快速识别方法,其特征在于,所述步骤S2中,高斯过程回归的具体内容为:S201.将一组由n个输入输出对样本组成的训练数据记为{(x
i
,y
i
)|i=1,
…
,n},输入向量x
i
为一个d维的列向量,y
i
为输出并且y
i
=f(x
i
);S202.对于一个测试输入向量x
*
,其预测输出分布是由n个训练输出和一个测试输出组成的n+1维的联合高斯分布,表示为:联合高斯分布的均值函数表示为:m(x
*
)=k
T
(x
*
)K
‑1y
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)联合高斯分布的方差表示为:σ2(x
*
)=C(x
*
,x
*
)
‑
k
T
(x
*
)K
‑1k(x
*
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中,C(x
i
,x
j
)表示向量x
i
和x
j
之间的协方差;k(x
*
)表示测试输入向量x
*
和训练输入向量之间的协方差向量,为k(x
*
)=[C(x
*
,x1),
…
C(x
*
,x
n
)]
T
;K是训练输入向量之间组成的n
×
n维的协方差矩阵,其矩阵元素表示为K
ij
=C(x
i
,x
j
);S203.确定复合协方差函数并建立模型,复合协方差函数表示为:C(x
i
,x
j
)=C
SE
(x
i
,x
j
)
×
C
PER
...
【专利技术属性】
技术研发人员:王珂琛,刘军,黄朋,
申请(专利权)人:中国电子科技集团公司第四十一研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。