【摘要】：無線通信技術的蓬勃發(fā)展引發(fā)了人們對電磁環(huán)境監(jiān)測的廣泛關注,隨著大規(guī)模組網監(jiān)測活動的展開,信號源個體進行識別成為無線通信安全中的重要研究課題。本文針對信號源設備識別算法在中低端信號采集設備中的應用需求,設計了一套射頻指紋提取和識別算法,其中,不同信號源射頻信號的特征通過經驗模態(tài)分解算法(Empirical Mode Decomposition,EMD)的優(yōu)化算法進行提取,并設計了分類方案以提升識別的準確率。本文的主要工作如下:1、進行了發(fā)射機的射頻指紋特征分析。對發(fā)射機的本體特征來源進行了探究和分析,重點討論了穩(wěn)態(tài)射頻指紋的形成根源,并對本文所用的射頻指紋特征進行了建模分析,確定了射頻指紋特征的提取和識別模型。2、提出了基于經驗模態(tài)分解的優(yōu)化算法對信號的射頻指紋特征進行提取。首先對經驗模態(tài)分解方法進行了仿真分析,并在實測數(shù)據的基礎上進行實驗,指出了經驗模態(tài)分解算法用于實際信號時存在的問題。在此基礎上,提出了一種經驗模態(tài)分解算法的優(yōu)化算法,包括信號預處理辦法和信號分解的優(yōu)化算法,從一定程度上降低了模態(tài)混疊問題對后續(xù)工作的影響,提高了信號分解結果的穩(wěn)定性。并對分解后的信號進行了復雜度特征的提取,即通過數(shù)據降維操作降低了后續(xù)分類工作的復雜度。3、設計了基于組合分類器的分類識別方案。在現(xiàn)有的分類算法基礎上,選擇了神經網絡分類器和支持向量機(SVM)分類器對射頻指紋提取算法得到的指紋特征向量進行分類,對不同分類器的分類結果進行了分析對比。在此基礎上,提出了一種基于組合分類器的分類優(yōu)化方案,通過數(shù)據拆分和投票表決的方式,提升了分類識別的準確率。在整個方案完成后,對本文中提出的各種算法分階段的進行了實測數(shù)據的仿真分析,并與文獻中的算法進行了一定程度上的對比實驗,通過對比結果,說明了本文算法的有效性。
【圖文】：

信號經驗模態(tài)分解的重構誤差

仿真數(shù)據波形圖
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN98

【參考文獻】

相關期刊論文 前2條

1 朱麗莉;王愛粉;趙星;;通信輻射源指紋識別技術[J];電子科技;2011年12期

2 劉慶云,李志舜;高斯白噪聲序列譜的統(tǒng)計特性及應用研究[J];聲學與電子工程;2003年01期

相關博士學位論文 前4條

1 盧金娜;基于優(yōu)化算法的徑向基神經網絡模型的改進及應用[D];中北大學;2015年

2 韓韜;脈沖信號輻射源個體識別技術研究[D];國防科學技術大學;2013年

3 季偉東;進化計算優(yōu)化前向神經網絡的學習方法研究[D];東北林業(yè)大學;2013年

4 隆金玲;Sum-of-Product神經網絡和徑向基函數(shù)神經網絡的逼近能力研究[D];大連理工大學;2008年

相關碩士學位論文 前3條

1 徐超;基于雜散特征的輻射源個體識別研究[D];西安電子科技大學;2014年

2 張旭;基于信號分析的無線設備“指紋”特征提取[D];北京郵電大學;2015年

3 曾珍;通信電臺個體雜散特征提取算法研究[D];西安電子科技大學;2013年

，

本文編號：2655591