【摘要】：通信電臺個體識別技術(shù)是通過某種方法來獲取并檢測出表征通信電臺的個體“指紋”特征,從而實現(xiàn)個體的識別。本文首先從通信電臺的硬件特性出發(fā)研究了“指紋”特征的產(chǎn)生機理。并結(jié)合特征提取、選取及分類方法的國內(nèi)外發(fā)展趨勢,對全文的研究內(nèi)容安排及論文結(jié)構(gòu)做了探討�；谛盘柗治黾夹g(shù)的發(fā)展更迭順序,本文研究了從傅里葉分析,小波分析到近年來興起的Shearlet分析的信號時頻分析理論,為本文研究通信電臺個體識別技術(shù)奠定理論基礎(chǔ)。基于經(jīng)典的模糊函數(shù)分析方法,本文利用擁有優(yōu)異時頻分析性能的小波分析方法和新興的可以表征各向異性的Shearlet分析方法對其進(jìn)行了一定的改進(jìn),并將改進(jìn)后的方法運用于電臺個體識別。不同于經(jīng)典的模糊函數(shù)方法,改進(jìn)方法在對信號的自相關(guān)處理之后,利用了三次分段B樣條小波、db小波以及Shearlet分析取代原本的傅里葉分析,以期做到更好的特征捕獲。并且針對MSK調(diào)制以及PSK調(diào)制的仿真信號進(jìn)行試驗分析,仿真結(jié)果表明,改進(jìn)方法的效果受調(diào)制方式的影響較小,模糊函數(shù)方法的效果受調(diào)制方式的影響較大。在MSK調(diào)制下,相對于傳統(tǒng)的模糊函數(shù)方法,db4小波分析方法、B樣條小波分析方法以及Shearlet分析方法都具有更好的抗噪性能,其中三次B樣條小波分析方法效果更優(yōu)也更為穩(wěn)定。最后,本文研究了信號特征的降維與分類。為了避免“維數(shù)災(zāi)難”,在信號分類的時候,需要將特征降維到一定程度,再運用一個好的分類器進(jìn)行分類,這樣將對分類效果起著提升的作用。在研究了Fisher降維法、KNN分類器以及SVM分類器之后,通過實驗仿真去檢驗了不同分類器對于最終識別率的影響程度。
[Abstract]:The technology of individual identification of communication station is to obtain and detect the characteristic of individual "fingerprint" which represents the communication station by a certain method, so as to realize the recognition of individual. In this paper, the mechanism of fingerprint feature is studied based on the hardware characteristic of communication station. Combined with the development trend of feature extraction, selection and classification methods at home and abroad, the research content arrangement and the structure of the thesis are discussed. Based on the development sequence of signal analysis technology, this paper studies the theory of signal time-frequency analysis from Fourier analysis, wavelet analysis to Shearlet analysis, which lays a theoretical foundation for the research of individual identification technology in communication stations. Based on the classical fuzzy function analysis method, the wavelet analysis method with excellent time-frequency analysis performance and the new Shearlet analysis method, which can represent anisotropy, are used to improve it. The improved method is applied to individual recognition of radio station. Different from the classical fuzzy function method, the improved method uses cubic B-spline wavelet, db wavelet and Shearlet analysis to replace the original Fourier analysis in order to achieve better feature acquisition. The simulation results of MSK modulation and PSK modulation show that the effect of the improved method is less affected by the modulation method, and the effect of the ambiguity function method is greatly affected by the modulation method. Compared with the traditional fuzzy function method, db4 wavelet analysis, B-spline wavelet analysis and Shearlet analysis have better anti-noise performance under MSK modulation, and the cubic B-spline wavelet analysis method is more effective and stable. Finally, the dimension reduction and classification of signal features are studied. In order to avoid "dimensionality disaster", it is necessary to reduce the dimension of the feature to a certain extent and then use a good classifier to improve the classification effect. After studying the Fisher dimensionality reduction method, KNN classifier and SVM classifier, the influence of different classifiers on the final recognition rate is tested by experimental simulation.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN924

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐哲;雷迎科;;通信輻射源個體識別中基于l_2正則化的最大相關(guān)熵算法[J];模式識別與人工智能;2016年06期

2 桂云川;楊俊安;呂季杰;王偉;;基于經(jīng)驗?zāi)B(tài)分解的通信輻射源分形特征提取算法[J];探測與控制學(xué)報;2016年01期

3 張澤君;程偉;楊瑞娟;余沁;;航空信道下基于雙譜和信息維數(shù)的通信電臺個體識別[J];空軍預(yù)警學(xué)院學(xué)報;2016年01期

4 牛連強;趙子天;張勝男;;基于Gabor特征融合與LBP直方圖的人臉表情特征提取方法[J];沈陽工業(yè)大學(xué)學(xué)報;2016年01期

5 陳啟明;王郁;;基于維格納與短時傅里葉變換的瞬態(tài)信號特征研究[J];中國科技信息;2014年24期

6 何永亮;陳西豪;許華;江漢;劉瀟文;;利用信號圍線積分雙譜分形特征實現(xiàn)電臺識別[J];電訊技術(shù);2014年10期

7 梁華東;韓江洪;;基于維格納分布特征的雷達(dá)信號分選[J];電子測量與儀器學(xué)報;2014年02期

8 陳志偉;徐志軍;王金明;徐玉龍;孔磊;;一種基于循環(huán)譜切片的通信輻射源識別方法[J];數(shù)據(jù)采集與處理;2013年03期

9 顧晨輝;王倫文;;基于瞬時包絡(luò)特征的跳頻電臺個體識別方法[J];信號處理;2012年09期

10 楊舉;盧選民;周亞建;;基于多譜與支持向量機的通信輻射源個體識別[J];計算機仿真;2010年11期

相關(guān)博士學(xué)位論文 前3條

1 蔣良孝;樸素貝葉斯分類器及其改進(jìn)算法研究[D];中國地質(zhì)大學(xué);2009年

2 任春輝;通信電臺個體特征分析[D];電子科技大學(xué);2006年

3 姜園;通信對抗中的現(xiàn)代信號處理技術(shù)應(yīng)用研究[D];浙江大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 梁江海;基于經(jīng)驗?zāi)B(tài)分解的通信信號細(xì)微特征分析[D];國防科學(xué)技術(shù)大學(xué);2013年

2 蘭鉑;FSK和PSK信號特征研究[D];北京郵電大學(xué);2011年

3 王亮;基于時頻原子的雷達(dá)輻射源信號特征分析[D];西南交通大學(xué);2009年

，

本文編號：2410832