【技术实现步骤摘要】
本申请涉及无线通信，特别是涉及一种基于图像处理的无线信号识别方法、装置及存储介质。
技术介绍
1、随着无线通信技术的日益复杂，无线空间变得越来越复杂，特别是2.4ghz ism频段，由于其不用授权，免费向公众开放，在这一频段开发的无线通信系统种类很多，常见的有蓝牙,zigbee以及wifi等。基于无线信号的特征情况，需要找到更加有力的方法来识别不同信号的特征差异以及同类信号的共同特征知识，特别是在信息对抗的环境下，对于信号的认知与识别提出了更高的要求。提取无线电磁信号特征知识，借助于深度学习，对信号特征知识进行处理与分析，以对跳频电台、数据链等不同无线通信场景的信号特征进行鉴别与分类，在信号特征识别与基于数据样本的深度学习识别算法方面需要取得新的突破。
2、当前，一些方法通过建立无线信号波形的消失和持续时间数据库，并结合信号的幅度、频率和时间等特征数据进行区分与识别，但此类方法采用的聚类算法无法有效分辨持续和消失帧长相近的信号，同时在低信噪比环境下识别的效果不佳。还有一些方法使用信号的比特流帧同步码作为区分的特征，用以对非授权用户和授权用户传输的信号规格进行识别，但该类方法要求接收到完整的帧同步码序列，这在实际环境下往往难以满足，且当信噪比低时识别的误检率较高。因此，如何高效的识别干扰源成为目前十分热门的一个研究课题。
3、在当下机器学习与深度学习技术蓬勃发展的情况下，引入机器学习方法来进行对信号的识别和分类也成为了研究者们研究的重点。其优点有很多，如不需要先验知识，不需要人为设置识别的阈值，适应性广等。
技术实现思路
1、本专利技术针对上述问题，提供了一种基于图像处理的无线信号识别方法、装置及存储介质，通过对接收到的信号进行图像化处理，实现对干扰源的识别。
2、本专利技术的第一方面，一种基于图像处理的无线信号识别方法，所述方法包括以下步骤：
3、将采集得到的通信时域数据转化为频域信号；
4、对所述频域信号进行二八归一化处理，并将归一化处理后的频域信号映射到像素值，得到灰度图像；
5、将所述灰度图像分成若干大小相同的图像块，对所述图像块中的各像素点灰度值进行平方运算后累加求平均值，得到所述图像块的平均能量值；将各所述平均能量值组合起来形成一个特征矩阵；
6、利用所述特征矩阵计算特征方差并根据方差阈值去掉冗余特征；
7、将去掉冗余特征后的多个不同特征矩阵以水平拼接的方式进行特征融合，得到新特征向量；
8、将新特征向量分为训练组和测试组，利用训练组数据对svm模型进行参数训练，将测试组输入训练好的svm模型中进行分类识别异常信号。
9、在一实施例中，对所述频域信号进行二八归一化处理，具体包括以下步骤：
10、计算频域信号数据集的分位数，其中80％分位数定义为x2，20％分位数定义为x1；
11、计算频域信号数据集的五分位数范围δx，即δx＝x2-x1；
12、对于各频域信号数据d，计算d相对于分位数范围的位置，即x0＝(d-x1)/δx；
13、对频域信号数据进行截断，具体包括：将频域信号数据d中x0小于0的数据设置为0，x0大于1的数据设置为1；
14、对截断后的数据使用线性缩放方法将数据映射到[0,1]。
15、在一实施例中，利用所述特征矩阵计算特征方差并根据方差阈值去掉冗余特征，具体包括以下步骤：
16、将特征矩阵转置，转置后的特征矩阵每行对应一个特征，每列对应一个样本；
17、对各特征计算方差；
18、选择方差的上75％作为阈值，表示保留方差较大的特征，将方差小于阈值75％的特征视为冗余特征；
19、将剔除冗余特征后的特征矩阵转置回原来的形式。
20、在一实施例中，采用网络交叉验证方法优化svm模型参数，用rbf核函数构建svm模型分类识别异常信号。
21、本专利技术的第二方面，一种基于图像处理的无线信号识别装置，所述装置包括数据采集模块、图像生成模块、特征提取模块、特征选择模块、特征融合模块和分类识别模块，其中
22、数据采集模块，用于将采集得到的通信时域数据转化为频域信号；
23、图像生成模块，用于对所述频域信号进行二八归一化处理，并将归一化处理后的频域信号映射到像素值，得到灰度图像；
24、特征提取模块，用于将所述灰度图像分成若干大小相同的图像块，对所述图像块中的各像素点灰度值进行平方运算后累加求平均值，得到所述图像块的平均能量值，将各所述平均能量值组合起来形成一个特征矩阵；
25、特征选择模块，用于利用所述特征矩阵计算特征方差并根据方差阈值去掉冗余特征；
26、特征融合模块，用于将去掉冗余特征后的多个不同特征矩阵以水平拼接的方式进行特征融合，得到新特征向量；
27、分类识别模块，用于将新特征向量分为训练组和测试组，利用训练组数据对svm模型进行参数训练，将测试组输入训练好的svm模型中进行分类识别异常信号。
28、在一实施例中，所述图像生成模块用于对所述频域信号进行二八归一化处理，得到灰度图像，具体包括以下步骤：
29、计算频域信号数据集的分位数，其中80％分位数定义为x2，20％分位数定义为x1；
30、计算频域信号数据集的五分位数范围δx，即δx＝x2-x1；
31、对于各频域信号数据d，计算d相对于分位数范围的位置，即x0＝(d-x1)/δx；
32、对频域信号数据进行截断，具体包括：将频域信号数据d中x0小于0的数据设置为0，x0大于1的数据设置为1；
33、对截断后的数据使用线性缩放方法将数据映射到[0,1]。
34、根据本公开实施例的第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于图像处理的无线信号识别方法。
35、根据本公开实施例的第四方面，提供一种非临时计算机可读存储介质，所述存储介质上存储有计算机指令，所述指令被处理器执行时实现上述基于图像处理的无线信号识别方法。
36、本专利技术提供的一种基于图像处理的无线信号识别方法、装置及存储介质，先通过无线接收设备对接收到的信号进行采集，并获取相关的通信数据。然后，使用快速傅里叶变换(fast fourier transform，fft)将时域信号转换为频域信号，对频域信号进行归一化处理，其中，归一化采用二八归一化方法。通过能量计算方法从生成的无线信号图像中提取特征。将多个不同的特征矩阵进行融合，得到综合的新特征向量。利用训练好的分类器，对融合后的特征进行分类和识别。最后，根据干扰源的识别结果，可以进一步进行干扰源的定位和分析，帮助系统管本文档来自技高网...
【技术保护点】
1.一种基于图像处理的无线信号识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于图像处理的无线信号识别方法，其特征在于，对所述频域信号进行二八归一化处理，具体包括以下步骤：
3.根据权利要求1所述的基于图像处理的无线信号识别方法，其特征在于，利用所述特征矩阵计算特征方差并根据方差阈值去掉冗余特征，具体包括以下步骤：
4.根据权利要求1所述的基于图像处理的无线信号识别方法，其特征在于，采用网络交叉验证方法优化SVM模型参数，用RBF核函数构建SVM模型分类识别异常信号。
5.一种基于图像处理的无线信号识别装置，其特征在于，所述装置包括数据采集模块、图像生成模块、特征提取模块、特征选择模块、特征融合模块和分类识别模块，其中
6.根据权利要求5所述的基于图像处理的无线信号识别装置，其特征在于，所述图像生成模块用于对所述频域信号进行二八归一化处理，得到灰度图像，具体包括以下步骤：
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述
8.一种非临时计算机可读存储介质，所述存储介质上存储有计算机指令，其特征在于，所述指令被处理器执行时实现如权利要求1至4任一项所述基于图像处理的无线信号识别方法的步骤。
...【技术特征摘要】
1.一种基于图像处理的无线信号识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于图像处理的无线信号识别方法，其特征在于，对所述频域信号进行二八归一化处理，具体包括以下步骤：
3.根据权利要求1所述的基于图像处理的无线信号识别方法，其特征在于，利用所述特征矩阵计算特征方差并根据方差阈值去掉冗余特征，具体包括以下步骤：
4.根据权利要求1所述的基于图像处理的无线信号识别方法，其特征在于，采用网络交叉验证方法优化svm模型参数，用rbf核函数构建svm模型分类识别异常信号。
5.一种基于图像处理的无线信号识别装置，其特征在于，所述装置包括数据采集模块、图...
【专利技术属性】
技术研发人员：吴奇澄，苏春霞，王尧茜，刘传洋，肖金球，郭继冲，罗恒，
申请(专利权)人：苏州科技大学，
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。