一种基于决策树的通信干扰识别方法技术

本发明专利技术公开了一种基于决策树的通信干扰识别方法，包括以下步骤：S1根据3dB带宽Bw判断干扰信号属于窄带干扰或宽带干扰；S2当所述干扰信息信号为窄带干扰时，根据时域矩偏度将窄带干扰分为多音干扰SCWI以及单音干扰CWI或噪声调幅干扰NAM；S3根据时域包络起伏度将步骤S2中的单音干扰CWI、噪声调幅干扰NAM分开。本发明专利技术针对单音干扰CWI、多音干扰SCWI、宽带梳状谱干扰CSI、扫频干扰LFI、脉冲干扰PI、宽带噪音干扰WBI、噪声调幅干扰NAM、噪声调频干扰NFM这八种干扰信号的特征参数的分布情况，利用决策树方法自上而下，按照顺序执行判决。按照顺序执行判决。按照顺序执行判决。

【技术实现步骤摘要】
一种基于决策树的通信干扰识别方法


[0001]本专利技术涉及通信干扰识别
，具体为一种基于决策树的通信干扰识别方法。

技术介绍

[0002]公知的，电子通信通常分为军事通信与民用通信两大类，通信对抗技术的研究在这两大场景中都有十分重要的意义。
[0003]在军事通信方面，迅速发展的通信技术已经影响着新一代的战争形态。信息战作为一种新型的作战方式，以信息获取不对称作为制胜的关键性因素，其内容包括敌我双方的相互侦查，干扰压制等，目的是为了扰乱敌方通信性能，破坏对方的信息获取，使接收机不能正常工作，同时又尽可能地保证己方通信系统安全可靠，接收机能够稳定的工作。在民用通信方面，通信技术发展迅速，涌现出各种形式的新型业务，人们对通信速度的需求也越来越高，相互之间的干扰也越来越严重，另外，民用通信中也出现越来越多的有意干扰，影响通信传输的安全、可靠性。因此，为了使频谱资源能够更加合理高效地利用，并且提高信息传输系统的稳定性，就需要实现对通信系统传输中的信号准确检测和分析。
[0004]如申请公布号为：CN112818891A，申请公布日为2021.05.18，名称为一种通讯干扰信号类型智能识别方法的专利技术申请，其具体方法包括干扰识别过程分为预处理部分和识别网络部分，在预处理部分对接收机接收到的信号进行时域加窗、功率归一化处理和傅里叶变换，得到时域数据和频域数据；在识别网络部分首先将时域数据输入到时域特征提取支路，通过时域卷积模块和时域 LSTM模块得到时域特征；同时将频域数据输入频域特征提取支路，通过频域卷积模块和频域LSTM模块得到频域特征；然后将时域特征和频域特征送入融合模块进行特征融合；最后将得到的融合特征送入分类模块对干扰信号进行分类识别，得到干扰信号的类型识别结果
[0005]针对通信系统中常见的干扰方式，相应地出现了许多抗干扰技术的研究，主要在以下两个方面做出改进：一、改变传输信息的发送形式，如采用扩频，短时通信，跳时通信等隐蔽性更高的方式，使信号难以被检测到，保证信号的安全传输，二、提高系统干扰检测与抑制的能力，对接收到的信号进行干扰检测，若存在干扰则采取相应的处理对策进行干扰抑制与消除，使能最大化地恢复未受干扰前的原始信号，但是在实际应用中，干扰信号的形式往往复杂多变，干扰的方式也各式各样，接收机不可能做到对所有的干扰都有有效的抑制作用，因此，实现对干扰信号的有效区分识别就变得尤为重要，通过对干扰信号的识别可以更有针对性地对干扰信号采取相应的处理措施，从而提高通信系统的稳定性。

技术实现思路

[0006]本专利技术的目的是提供一种基于决策树的通信干扰识别方法，以解决现有技术中的上述不足之处。
[0007]为了实现上述目的，本专利技术提供如下技术方案：一种基于决策树的通信干扰识别
方法，包括以下步骤；
[0008]S1：根据3dB带宽Bw判断干扰信号属于窄带干扰或宽带干扰；
[0009]S2：当所述干扰信息信号为窄带干扰时，根据时域矩偏度将窄带干扰分为多音干扰SCWI以及单音干扰CWI或噪声调幅干扰 NAM；
[0010]S3：根据时域包络起伏度将步骤S2中的单音干扰CWI、噪声调幅干扰NAM分开；
[0011]S4：当所述干扰信息信号为宽带干扰时，根据冲击频谱标准差将宽带信号分为宽带梳状谱干扰CSI或扫频干扰LFI、脉冲干扰 PI、宽带噪音干扰WBI、噪声调频干扰NFM；
[0012]S5：根据时域峰度系数将步骤S4中的信号分为脉冲干扰PI 或扫频干扰LFI、宽带噪音干扰WBI、噪声调频干扰NFM；
[0013]S6：根据时域矩偏度将步骤S5中的扫频干扰LFI、宽带噪音干扰WBI、噪声调频干扰NFM三个信号分为宽带噪音干扰WBI 或扫频干扰LFI、噪声调频干扰NFM；
[0014]S7：根据频域包络因子将步骤S6中的扫频干扰LFI、噪声调频干扰NFM两个信号区分开。
[0015]作为上述技术方案的进一步描述：所述步骤S1中3dB带宽 Bw为：
[0016]Tsu取为 0.707；
[0017]当小于设定的阈值3dB带宽Bw，则为窄带干扰，否则为宽带干扰。
[0018]作为上述技术方案的进一步描述：所述步骤S2中时域矩偏度为：
[0019]A(n)表示信号的时域包络，μt为信号的幅度均值，σt为标准差；
[0020]在窄带干扰里当结果大于设定的阈值时域矩偏度时为多音干扰，否则为单音干扰、噪声调幅干扰类。
[0021]作为上述技术方案的进一步描述：所述步骤S3中时域包络起伏度为：
[0022]μt为信号的幅度均值，σt为标准差；
[0023]当结果小于设定的阈值时域包络起伏度时为单音干扰，否则为噪声调幅干扰。
[0024]作为上述技术方案的进一步描述：所述步骤S4中冲击频谱标准获取方法为：
[0025]S4.1：将信号频谱去掉平坦部分，剩下的冲激部分为S4.1：将信号频谱去掉平坦部分，剩下的冲激部分为
[0026]S4.2：信号的冲激频谱的标准差为的标准差为为归一化频谱，L为平均滑动窗口宽度，取L＝0.03N，N为信号傅里叶变换点数；
[0027]S4.3：当结果大于设定的阈值冲击频谱标准差时为宽带梳状谱干扰，否则为扫频干扰、脉冲干扰、宽带噪音干扰、噪声调频干扰类。
[0028]作为上述技术方案的进一步描述：所述步骤S5中：时域峰度系数为Rpm＝Amax/Amean，其中Amax是信号时域幅度的最大值， Amean是信号时域幅度的平均值，通过仿真得
到当结果大于设定的阈值时域峰度系数时为脉冲干扰，否则为扫频干扰、宽带噪音干扰、噪声调频干扰类。
[0029]作为上述技术方案的进一步描述：所述步骤S6中时域矩偏度为：
[0030][0031]其中A(n)表示信号的时域包络，μt为信号的幅度均值，σt 为标准差；
[0032]通过仿真得到扫频干扰、宽带噪音干扰、噪声调频干扰类中当结果大于设定的阈值时域矩偏度时为宽带噪音干扰，否则为扫频干扰、噪声调频干扰类。
[0033]作为上述技术方案的进一步描述：所述频域包络因子为：
[0034]μf为信号的频谱均值，σf为标准差；
[0035]通过仿真得到当结果大于设定的阈值频域包络因子时为扫频干扰，否则为噪声调频干扰。
[0036]作为上述技术方案的进一步描述：在步骤S1之前还包括以下步骤：
[0037]根据叶节点与预先设计好的内部节点设计决策树；
[0038]用已知类别的样本训练内部节点的属性阈值；
[0039]阈值训练完成的决策树即可用于未知类别样本的分类识别，将样本的属性值输入对应属性的内部节点，在与节点阈值比计较后，决策树会将信号输出到比较结果对应的下一节点，在下一节点进行另一属性值与阈值的比较后再输出，直至样本被输出到叶节点。
[0040]在上述技术方案中，本专利技术提供的一种基于决策树的通信干扰识别方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树的通信干扰识别方法，其特征在于，包括以下步骤；S1：根据3dB带宽Bw判断干扰信号属于窄带干扰或宽带干扰；S2：当所述干扰信息信号为窄带干扰时，根据时域矩偏度将窄带干扰分为多音干扰SCWI以及单音干扰CWI或噪声调幅干扰NAM；S3：根据时域包络起伏度将步骤S2中的单音干扰CWI、噪声调幅干扰NAM分开；S4：当所述干扰信息信号为宽带干扰时，根据冲击频谱标准差将宽带信号分为宽带梳状谱干扰CSI或扫频干扰LFI、脉冲干扰PI、宽带噪音干扰WBI、噪声调频干扰NFM；S5：根据时域峰度系数将步骤S4中的信号分为脉冲干扰PI或扫频干扰LFI、宽带噪音干扰WBI、噪声调频干扰NFM；S6：根据时域矩偏度将步骤S5中的扫频干扰LFI、宽带噪音干扰WBI、噪声调频干扰NFM三个信号分为宽带噪音干扰WBI或扫频干扰LFI、噪声调频干扰NFM；S7：根据频域包络因子将步骤S6中的扫频干扰LFI、噪声调频干扰NFM两个信号区分开。2.根据权利要求1所述的一种基于决策树的通信干扰识别方法，其特征在于，所述步骤S1中3dB带宽Bw为：S1中3dB带宽Bw为：Tsu取为0.707；当小于设定的阈值3dB带宽Bw，则为窄带干扰，否则为宽带干扰。3.根据权利要求1所述的一种基于决策树的通信干扰识别方法，其特征在于，所述步骤S2中时域矩偏度为：A(n)表示信号的时域包络，μt为信号的幅度均值，σt为标准差；在窄带干扰里当结果大于设定的阈值时域矩偏度时为多音干扰，否则为单音干扰、噪声调幅干扰类。4.根据权利要求1所述的一种基于决策树的通信干扰识别方法，其特征在于，所述步骤S3中时域包络起伏度为：μt为信号的幅度均值，σt为标准差；当结果小于设定的阈值时域包络起伏度时为单音干扰，否则为噪声调幅干扰。5.根据权利要求1所述的一种基于决策树的通信干扰识别方法，其特征在于，所述步骤S4中冲击频谱...

【专利技术属性】
技术研发人员：邵震洪，李志强，
申请(专利权)人：南京天际易达通信技术有限公司，
类型：发明
国别省市：