[發明專利]一種適用于無人機通信系統的干擾信號分類識別方法

有效

• 申請號: 201710943615.1
• 申請日: 2017-10-11
• 公開（公告）號: CN107682109B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 劉春輝;丁文銳;虎媛;劉春蕾
• 申請（專利權）人: 北京航空航天大學
• 主分類號: H04K3/00
• 分類號: H04K3/00
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 趙文利

本發明公開了一種適用于無人機通信系統的干擾信號分類識別方法，屬于數字通信信號處理技術領域。首先針對無人機通信系統建立干擾信號分類識別系統，然后分別提取改進的載波因子和白噪聲因子兩種特征參數，針對每個樣本數據，分別對比兩種特征參數，選擇區分程度高的特征參數作為該樣本數據的輸出，利用支持向量機SVM對該樣本數據的干擾信號進行分類，并計算干擾信號的分類準確率，判斷其是否大于0.8，如果是，則該樣本數據的干擾信號分類正確；最后干擾信號種類統計模塊統計該時間段內所有樣本數據的干擾信號所屬的類別，為下一步信號處理打下基礎。本發明優于傳統的閾值分類識別方法，建立了高區分度的特征參數表達，提高了分類識別的準確率。

技術領域

本發明屬于數字通信信號處理技術領域，具體涉及一種適用于無人機通信系統的干擾信號分類識別方法。

背景技術

近年來，利用無人機執行任務靈活便捷且成本低，使得執行各種通信任務已經成為無人機研究領域中的熱點。由于無人機通信系統在軍事和民用領域，時刻遭受著自然干擾和人為干擾，這些干擾會進一步影響無人機數據鏈功率控制技術等其他應用。因此，在無人機通信領域，對所獲取的干擾信號進行分類識別必然有極高的研究意義。

目前國內外針對干擾信號的分類識別方法主要有以下兩種：

一是基于閾值分類的識別方法。傳統的閾值分類識別方法操作簡單，主要根據不同信號特征參數之間的差異，建立魯棒性的相似度函數，同時選取合適的閾值，將相似度與選取的閾值進行比較，并做出相應的判斷。而閾值的選取依賴于具體的問題，在不同的通信系統或不同的干擾信號中可能會有不同的閾值，因此該類方法通常對于分類識別的適應性較差。

二是基于機器學習的分類識別方法?，F有的機器學習識別方法包含反向傳播(BP)神經網絡、支持向量機、決策樹理論等統計學習方法，該類方法有較優異的自學習和自適應能力，能夠較好的解決非線性以及高維問題，結構簡單且速度快。然而該類方法的分類識別性能在很大程度上取決于輸入特征參數的表征能力，因此研究應集中在如何建立有效的特征參數。

由上述分析可知，當前針對無人機通信系統的干擾信號分類識別主要面臨的問題如下：由于無人機通信系統執行任務時干擾的復雜多變，特征參數可能對信號的區分程度不足，導致無法順利分類；同時，傳統的閾值分類方法適應性差，往往導致較低的識別準確率。

發明內容

本發明為解決上述問題，提出了一種適用于無人機通信系統的干擾信號分類識別方法，以干擾信號作為研究對象，研究干擾信號的分類識別問題。

所述的適用于無人機通信系統的干擾信號分類識別方法對信號進行處理過程如下：

步驟一、針對無人機通信系統，建立包括信號生成模塊、特征提取模塊、SVM分類模塊和干擾信號種類統計模塊的干擾信號分類識別系統；

信號生成模塊生成直擴信號，并加入單音干擾，多音干擾，部分頻帶干擾，掃頻干擾數據這四種類型的干擾信號，將此結果作為樣本數據；

特征提取模塊將信號生成模塊生成的樣本數據中的信號進行特征提??；

SVM分類模塊對特征提取模塊提取到的特征輸入到支持向量機進行分類。

干擾信號種類統計模塊對樣本數據分別所屬的類別進行統計。

步驟二、利用特征提取模塊從信號生成模塊生成的每個樣本數據中，分別提取改進的載波因子和白噪聲因子兩種特征參數；

提取改進的載波因子信號C_g，計算公式如下：

x(λ₁)是對時域信號s(t)進行快速傅里葉變換后得到的幅值最大的離散信號；