利用信号围线积分双谱分形特征实现电台识别

信号的双谱能反映信号的细微特征,可用于电台识别中,但将它直接应用于电台识别需要计算复杂的匹配模板,增加分类器的复杂度,影响识别效率。针对此问题,提出了一种将信号围线积分双谱的分形特征作为电台特征参数的识别方法。首先由信号双谱估计值求出围线积分双谱,然后利用盒维数和信息维数定量描述围线积分双谱波形的复杂度,并将这两种分形维数作为特征向量,最后利用支持向量机(SVM)实现电台分类识别。对两部实际电台所发射的2FSK信号利用所提方法进行分析,结果表明在信噪比为7 dB及以上时,电台正确识别率能达到94.29%以上,验证了所提方法的可行性。     

模型降阶方法研究

本文综合了模型降阶领域的现有方法,首先着重介绍了模型降阶的主要方法,并以图表的方式给出了各方法的分类及特性归纳。最后基于模型降阶的研究现状和存在的问题提出了一些看法,以便为实际工程应用提供参考。     

涉及情感与语义的多特征图像检索

借助用户情感模型、因子分析、情感计算等方法,收集和分析用户评价图像的情感数据,建立情感空间.对图像数据库的图片,采用图像的多种底层特征提取的方法来增强对图像感性特征的过滤和约束.基于SVM的情感注释建立图像的低层特征空间到用户的高层情感空间的联系,记忆用户的情感,自动注释用户未曾评价过的图像,实现了与图像的情感语义相关的多特征检索系统.实验表明,涉及情感的多特征图像检索结果,其图像的内容特征与用户情感检索意图在很大程度上是匹配的,避免了单一特征不顾及用户情感的图像检索无法过滤不期望的结果出现的缺点.     

一种基于瞬时特征的电台个体识别方法

在电台识别问题的研究中,电台特征提取是识别中的重要内容,直接影响到分类器的设计和识别效果,如何在低信噪比环境下实现对信号的特征提取成为电台识别的难题.针对上述问题,利用分形维数对噪声不敏感的特性,将信号瞬时频率的分形维数作为个体特征,提出了一种新的电台识别方法.首先利用经验包络法提取信号的瞬时频率,通过盒维数和信息维数定量描述瞬时频率的复杂度,再将两种分形维数构成特征向量,最后利用最邻近分类器实现电台的分类识别.通过对4部同型号的超短波电台信号的特征提取和分类识别实验,结果表明在3dB的信噪比环境下,改进方法进行识别的正确率在96％以上,实验结果验证了所提方法的有效性.     

基于小波分解与希尔伯特-黄变换的跳频信号检测

现有的基于时频分析的检测方法在时间分辨率和频率分辨率上往往不能同时满足要求,针对这一问题,提出了一种结合小波分解与希尔伯特-黄变换(HHT)的跳频(FH)信号检测方法.利用小波分解去除混合信号中的噪声;利用希尔伯特-黄变换实现跳频信号的检测,避免了传统时频分析过程中窗函数的影响.理论推导和仿真实验表明:本文方法能同时有效地兼顾时间分辨率和频率分辨率,明显改善了跳频信号检测的准确性.