一种多级特征压缩的跳频信号特征提取方法技术

本发明专利技术公开了一种多级特征压缩的跳频信号特征提取方法。本发明专利技术具有较强的抗噪和抗干扰能力，当信号较弱时依然具有较好的效果。因一个周期内的跳频信号常常存在不同调制方式、信号强弱不同的情况，且在复杂电磁环境下，噪声和干扰会对信号参数计算影响严重，传统单一阈值的特征提取方式并不适用，阈值过低则会引入噪声，阈值过高则导致信号残缺或遗漏；而本发明专利技术使用分段滤波的方式，多层次的进行特征提取，在保证信号特征完整提取的情况下，对特征进行清洗与整合，并进行参数计算，鲁棒性更强。鲁棒性更强。鲁棒性更强。

【技术实现步骤摘要】
一种多级特征压缩的跳频信号特征提取方法


[0001]本专利技术涉及信号处理
，具体涉及一种多级特征压缩的跳频信号特征提取方法。

技术介绍

[0002]无线电通信自专利技术以来已经在众多领域都发挥着重要的作用，现在已经和人类社会密不可分，越来越多的科技人员投入到无线电通信技术的研发和优化当中。因为无线电自身的特性，在传输过程中会受到天气、障碍物、电磁场等因素的影响，使得信号在传输时出现衰减或干扰。这些因素会严重影响信号检测的效果。在传统无线电信号检测中，技术人员通常需要人工确认该频段是否存在跳频信号，并使用传统的信号分析方法确认信号的频率集、跳频图案等信息，这种方式在信号较弱、存在干扰或噪声较强情况下，会出现参数估计不准的情况。
[0003]近些年计算机视觉技术发展成熟，也被应用到越来越多的行业当中，并取得了很好的效果。将计算机视觉相关技术和无线电信号检测结合起来已经成为越来越多信号研究人员的选择，但因跳频信号的自身特性，同一个跳频图案内的跳频信号可能存在调制方式不同、信号强弱不同等情况，这将大大增加计算处理的复杂程度，传统单一的特征提取方式往往会导致信号遗漏、残缺等情况，所以需要从不同层次进行特征提取，这样才能保证信号参数计算的正确性。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种多级特征压缩的跳频信号特征提取方法解决了传统单一的特征提取方式导致信号遗漏、残缺的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种多级特征压缩的跳频信号特征提取方法，其特征在于，包括以下步骤：
[0006]S1、对输入信号IQ数据进行傅里叶变换，得到信号频谱图；
[0007]S2、对信号频谱图进行关于幅度的聚类分析，得到噪声分布集中幅度值，并计算频谱图最大幅度值；
[0008]S3、以噪声分布集中幅度值为起始值，以频谱图最大幅度值为结束值，设置步长step，构建N个高通滤波器；
[0009]S4、使用N个不同阈值的高通滤波器对信号频谱图进行特征处理，使得信号频谱图中大于等于阈值的幅度值置为1，否则置为0，得到N个二维特征矩阵；
[0010]S5、将特征矩阵中幅度值为1的位置默认为信号，对特征矩阵进行时间连续性分析，得到线状信号集合；
[0011]S6、对线状信号集合中的线状信号长度进行聚类分析，得到长度分布最集中的线状信号，将该线状信号作为基准信号，该基准信号的长度为L1；
[0012]S7、将线状信号集合内长度在0.8*L1至1.2*L1范围内的线状信号筛选出来，若其
整体的时间占空比小于阈值，则将基准信号长度置为0；
[0013]S8、对N个特征矩阵中的所有基准信号长度进行聚类分析，得到长度分布最集中的信号长度L2，将N个特征矩阵中的线状信号集合并，并将长度在0.8*L2至1.2*L2范围外的线状信号剔除清洗；
[0014]S9、对清洗后的线状信号进行频率连续性分析，得到矩形信号集合，矩形信号的位置信息即为跳频信号在频谱图中的位置信息；
[0015]S10、输出矩形信号集合的特征矩阵。
[0016]进一步地：所述高通滤波器的阈值为：以噪声分布集中幅度值为起始值，以频谱图最大幅度值为结束值，设置步长step，将单步结果作为高通滤波器的阈值。
[0017]进一步地：所述二维特征矩阵的高度和宽度均与信号频谱图的高度和宽度相同。
[0018]进一步地：所述步骤S5中时间连续性分析的具体步骤为：
[0019]S51、当特征矩阵中的每行出现四个连续信号则保留该特征矩阵，否则将该特征矩阵置为0，对已保留的特征矩阵进行时间连续信号处理得到线状信号；
[0020]S52、对同行相邻线状信号进行分析，若信号相邻间隔小于3或信号总长度的十分之一，则进行线状信号合并。
[0021]进一步地：所述步骤S9中频率连续性分析的具体步骤为：
[0022]S91、随机找到一个线状信号进行矩形信号初始化；
[0023]S92、判断矩形信号与相邻行线状信号的并交比是否大于0.7，若是则将该矩形信号与线状信号进行合并；
[0024]S93、返回步骤S92，直到该矩形信号不能继续合并，并进入步骤S94；
[0025]S94、返回步骤S91，直到没有线状信号，得到矩形信号集合。
[0026]进一步地：所述特征矩阵的元素为矩形信号的起始频率位置、结束频率位置、起始时间位置和结束时间位置。
[0027]本专利技术的有益效果为：
[0028]1、本专利技术具有较强的抗噪和抗干扰能力，当信号较弱时依然具有较好的效果。因一个周期内的跳频信号常常存在不同调制方式、信号强弱不同的情况，且在复杂电磁环境下，噪声和干扰会对信号参数计算影响严重，传统单一阈值的特征提取方式并不适用，阈值过低则会引入噪声，阈值过高则导致信号残缺或遗漏；而本专利技术使用分段滤波的方式，多层次的进行特征提取，在保证信号特征完整提取的情况下，对特征进行清洗与整合，并进行参数计算，鲁棒性更强。
[0029]2、本专利技术具有较快的计算速度，当信号采样率较高或信号持续时间过长时，会导致信号频谱图参数量巨大，很容易达到上亿的参数规模，这在进行计算分析时会大大增加计算时间开销；本专利技术使用矩阵的处理方式，执行速度和效率更快，同时对矩阵进行分阶段特征压缩，由最开始的频谱图二维矩阵转换为线状信号的二维矩阵，再到最后矩形信号的二维矩阵，矩阵参数呈指数级下降，计算效率更高。
[0030]3、本专利技术参数计算具有较高的准度与可信度，因在复杂的电磁环境影响下，往往会出现不同的跳频周期内信号参数会有一定的偏差，如起始频率、结束频率、持续时间等等，本跳频信号参数计算方法中，大量使用密度聚类的方式，能够找到参数分布最集中的位置，使得参数计算更加准确合理。
附图说明
[0031]图1为本专利技术整体计算流程示意图；
[0032]图2为本专利技术分段滤波器构造示意图；
[0033]图3为本专利技术线状信号数据清洗示意图；
[0034]图4为本专利技术分层特征提取及清洗合并示意图；
[0035]图5为本专利技术多级特征压缩数据流转示意图。
具体实施方式
[0036]下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。
[0037]如图1所示，一种多级特征压缩的跳频信号特征提取方法，其特征在于，包括以下步骤：
[0038]S1、对输入信号IQ数据进行傅里叶变换，得到信号频谱图；
[0039]S2、对信号频谱图进行关于幅度的聚类分析，得到噪声分布集中幅度值，并计算频谱图最大幅度值；
[0040]S3、以噪声分布集中幅度值为起始值，以频谱图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多级特征压缩的跳频信号特征提取方法，其特征在于，包括以下步骤：S1、对输入信号IQ数据进行傅里叶变换，得到信号频谱图；S2、对信号频谱图进行关于幅度的聚类分析，得到噪声分布集中幅度值，并计算频谱图最大幅度值；S3、以噪声分布集中幅度值为起始值，以频谱图最大幅度值为结束值，设置步长step，构建N个高通滤波器；S4、使用N个不同阈值的高通滤波器对信号频谱图进行特征处理，使得信号频谱图中大于等于阈值的幅度值置为1，否则置为0，得到N个二维特征矩阵；S5、将特征矩阵中幅度值为1的位置默认为信号，对特征矩阵进行时间连续性分析，得到线状信号集合；S6、对线状信号集合中的线状信号长度进行聚类分析，得到长度分布最集中的线状信号，将该线状信号作为基准信号，该基准信号的长度为L1；S7、将线状信号集合内长度在0.8*L1至1.2*L1范围内的线状信号筛选出来，若其整体的时间占空比小于阈值，则将基准信号长度置为0；S8、对N个特征矩阵中的所有基准信号长度进行聚类分析，得到长度分布最集中的信号长度L2，将N个特征矩阵中的线状信号集合并，并将长度在0.8*L2至1.2*L2范围外的线状信号剔除清洗；S9、对清洗后的线状信号进行频率连续性分析，得到矩形信号集合，矩形信号的位置信息即为跳频信号在频谱图中的位置信息；S10、输出矩形信号集合的特征矩阵。2.根据权利要求1所述的多级特征压缩的跳频信号特征提取方法...

【专利技术属性】
技术研发人员：王圣川，王昌庆，王珂，张俊，景亮，
申请(专利权)人：电信科学技术第五研究所有限公司，
类型：发明
国别省市：