通信衛(wèi)星信號發(fā)射源識別對于現(xiàn)代電子戰(zhàn)爭有著重要意義,信號細微特征分析是信號識別中非常重要的一部分,由于當今社會電磁環(huán)境越來越復雜以及無線電技術飛速發(fā)展,對信號發(fā)射源識別提出了更高的要求,通常使用的信號細微特征特征維度較高以及計算復雜度較大,隨之而來出現(xiàn)兩種問題:一是信號采集技術的發(fā)展,信號的細微特征提取計算量越來越大,運算時間變長;二是特征維度越來越高,將引發(fā)維度災難。本文使用雙譜和包絡的分形維數(shù)兩種信號細微特征,對這兩種特征進行流形降維并作為分類器的輸入,對雙譜變換算法進行GPU（圖形處理單元）并行優(yōu)化。首先分析了兩種信號細微特征的原理。隨后,針對信號識別中所面對的高維的特征數(shù)據(jù)出現(xiàn)的維度災難,引入機器學習中的傳統(tǒng)降維方法,分析了降維算法的原理、適用環(huán)境、優(yōu)點和缺點,在此基礎上將流形降維算法應用到信號細微特征的約簡降維中。分析了典型的流形降維算法的思想和計算方法,采用實際數(shù)據(jù)的信號特征針對流形中數(shù)據(jù)點的降維效果,分析了不同降維算法的性能。最后研究了基于t-SNE（t分布隨機近鄰嵌入）算法和SVM（支持向量機）分類器的信號識別技術。針對單一特征識別流程的步驟進行了優(yōu)化,包括將信號的雙譜... 

【文章來源】：中國科學院大學(中國科學院國家授時中心)陜西省

【文章頁數(shù)】：111 頁

【學位級別】：碩士

【部分圖文】：

GPU的內(nèi)存結(jié)構

信號細微特征降維優(yōu)化及 GPU 并行優(yōu)化+*3 1 2 1 2( , )= ( ) ( + ) ( + )dxC x t x t x t t (2.23)連續(xù)信號 x ( t )的雙譜表示為：1 2 3 1 2 1 1 2 21 2( , ) ( , )exp( j( ))d dxB f f C f f (2.24)對于一個離散時間能量有限的確定信號,將雙譜定義為：( ) ( ) ( ) ( )*1 2 1 2 1 2B f ,f X f X f X f f(2.25)X ( f )為信號序列 x ( t )的離散傅里葉變換，( )1 2B f ,f 為雙譜變換的結(jié)果。仿真了四種調(diào)制方式基帶信號，所有仿真基帶信號碼頻率、碼相位與采樣率完全相同，雙譜變換結(jié)果如下圖

信號細微特征降維優(yōu)化及 GPU 并行優(yōu)化+*3 1 2 1 2( , )= ( ) ( + ) ( + )dxC x t x t x t t (2.23)連續(xù)信號 x ( t )的雙譜表示為：1 2 3 1 2 1 1 2 21 2( , ) ( , )exp( j( ))d dxB f f C f f (2.24)對于一個離散時間能量有限的確定信號,將雙譜定義為：( ) ( ) ( ) ( )*1 2 1 2 1 2B f ,f X f X f X f f(2.25)X ( f )為信號序列 x ( t )的離散傅里葉變換，( )1 2B f ,f 為雙譜變換的結(jié)果。仿真了四種調(diào)制方式基帶信號，所有仿真基帶信號碼頻率、碼相位與采樣率完全相同，雙譜變換結(jié)果如下圖

【參考文獻】：
期刊論文
[1]深度學習中的自編碼器的表達能力研究[J]. 王雅思,姚鴻勛,孫曉帥,許鵬飛,趙思成.  計算機科學. 2015(09)
[2]一維數(shù)字信號分形維數(shù)估計算法研究[J]. 曾巒,樊桂花.  科技創(chuàng)新導報. 2009(23)
[3]基于雙譜分析的雷達輻射源個體特征提取[J]. 陳昌孝,何明浩,朱元清,王廣學.  系統(tǒng)工程與電子技術. 2008(06)
[4]基于前導碼的WLAN 802.11b頻偏估計算法[J]. 方晗,繆蔚,洪志良.  電路與系統(tǒng)學報. 2007(03)
[5]雷達輻射源信號脈內(nèi)特征分析[J]. 張葛祥,胡來招,金煒東.  紅外與毫米波學報. 2004(06)
[6]ABPSK原理及實現(xiàn)[J]. 胡鐵喬.  中國民航學院學報. 1999(01)

博士論文
[1]基于信號指紋的通信輻射源個體識別技術研究[D]. 徐書華.華中科技大學 2007



本文編號：3501554