学位论文 > 优秀研究生学位论文题录展示
信号细微特征提取及识别技术研究
作 者: 周斌
导 师: 毛兴鹏
学 校: 哈尔滨工业大学
专 业: 信息与通信工程
关键词: 个体识别 特征提取 细微特征 分类识别
分类号: TN97
类 型: 硕士论文
年 份: 2011年
下 载: 90次
引 用: 0次
阅 读: 论文下载
内容摘要
辐射源个体识别技术是通信与电子对抗领域一个非常重要的研究课题,主要是依据接收到的电磁信号中包含有辐射源硬件设备差异所表现出来的信息这一事实。通过先进的信号细微特征提取及识别技术,判断信号来自于哪个辐射源,结合具体应用背景中的实际需要,能够获得十分有价值的信息。与一般的对不同类别的辐射源进行个体识别的研究不同,本文主要研究对相同类型相同批次相同工作方式下的辐射源信号细微特征提取及识别技术。目前,国内外对于个体识别技术的研究大多基于辐射源信号中的开机暂态信号,主要是因为开机时的暂态信号是辐射源内部各个器件的冲击响应,没有任何调制信息,最能体现不同个体的差异。本文研究了基于小波变换和分形理论的暂态信号细微特征提取技术,从四个方面对开机暂态信号进行研究,能够从中提取出有效的分类特征;但由于暂态信号持续时间很短,需要及时并准确地从噪声中将其分离,所以本文还研究了对暂态信号起点进行定位的基于方差分形维数的门限方法以及贝叶斯理论的检测方法,并提出了一种基于贝叶斯理论的暂态定位改进方法,在低信噪比下能够获得较好的暂态起点检测性能。除了对暂态信号特征进行提取外,本文对稳态信号的细微特征也进行了分析。研究了对脉冲信号包络特征的提取方法,利用复小波变换和希尔伯特变换获取稳态信号包络,提取上升沿、下降沿、包络顶降以及脉宽等参数作为稳态特征。为了进一步分析包络特征,研究了信号包络的高阶特征,即J值和R值特征。最后针对分类识别技术,研究了在个体识别中应用较多的近邻分类技术、反向传播神经网络分类技术以及支持向量机分类技术,并对前面所提取的暂态特征和稳态特征进行了识别性能验证,提出了适合本课题研究工作的六种不同的解决方案。本文的研究工作,在一定程度上解决了同种类型同批次相同工作方式下的辐射源个体识别问题,具有一定的理论意义和实际应用前景。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第1章 绪论 9-16 1.1 课题来源及研究意义 9-10 1.2 研究现状分析 10-15 1.2.1 暂态特征提取技术的现状分析 10-12 1.2.2 稳态特征提取技术的现状分析 12-14 1.2.3 分类技术现状分析 14-15 1.3 文章主要研究内容及结构 15-16 第2章 暂态起点检测 16-33 2.1 方差分形维数的门限法检测 16-24 2.1.1 分形理论及方差分形维数的计算 16-19 2.1.2 基于方差分形维数的门限法 19-24 2.2 基本贝叶斯检测理论 24-31 2.2.1 基本贝叶斯检测原理 25-26 2.2.2 改进方法 26-31 2.3 其他暂态起点检测方法 31-32 2.4 本章小结 32-33 第3章 暂态特征提取 33-46 3.1 特征提取的判据 33-36 3.2 小波变换提取暂态特征 36-41 3.2.1 小波变换介绍 36-37 3.2.2 小波变换提取暂态特征 37-41 3.3 分形理论提取暂态特征 41-45 3.3.1 分形参数设置 41-42 3.3.2 暂态分形特征提取 42-45 3.4 本章小结 45-46 第4章 稳态特征提取 46-58 4.1 脉冲信号包络特征提取 46-52 4.1.1 脉冲信号包络提取 47-49 4.1.2 包络特征提取 49-50 4.1.3 仿真分析 50-52 4.2 基于信号包络的J 值R 值特征提取 52-56 4.2.1 信号包络J 值特征 52-55 4.2.2 信号包络R 值特征 55 4.2.3 仿真分析 55-56 4.3 本章小结 56-58 第5章 分类识别技术研究 58-72 5.1 最近邻分类器 59-62 5.1.1 最近邻决策准则 59-60 5.1.2 最近邻分类器分类性能仿真 60-62 5.2 反向传播神经网络分类器 62-67 5.2.1 BP 网络介绍 62-64 5.2.2 BP 神经网络分类性能仿真 64-67 5.3 支持向量机分类器 67-71 5.3.1 支持向量机基本原理 67-70 5.3.2 SVM 分类性能仿真 70-71 5.4 本章小结 71-72 结论 72-74 参考文献 74-78 攻读硕士学位期间发表的论文及其它成果 78-80 致谢 80
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 12个STR基因座在四个品种犬中的遗传多样性分析及其在个体识别中的应用,S829.2
中图分类: > 工业技术 > 无线电电子学、电信技术 > 电子对抗(干扰及抗干扰)
© 2012 www.xueweilunwen.com
|