[發明專利]一種基于SVM多分類算法的衛星導航干擾類型識別方法有效
| 申請號: | 201811037642.3 | 申請日: | 2018-09-06 |
| 公開(公告)號: | CN109359523B | 公開(公告)日: | 2021-08-24 |
| 發明(設計)人: | 祝雪芬;林夢穎;陳熙源;湯新華 | 申請(專利權)人: | 東南大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00 |
| 代理公司: | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人: | 馮艷芬 |
| 地址: | 210000 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 svm 分類 算法 衛星 導航 干擾 類型 識別 方法 | ||
1.一種基于SVM多分類算法的衛星導航干擾類型識別方法,其特征在于該方法包括:
(1)分別計算無干擾、單頻干擾、線性調頻干擾、BPSK干擾、掃頻干擾和部分頻帶干擾信號6種干擾類型衛星導航信號的特征向量,并將6種類型的特征向量對應的標簽分別賦值為1、2、3、4、5和6,將特征向量和標簽組合形成樣本矩陣;其中,所述特征向量包括信號功率、脈寬估計值、調頻斜率估計值和信號平方前后帶寬比;
(2)選擇標簽為1和2、1和3、1和4、1和5,1和6,2和3、2和4、2和5、2和6、3和4、4和5、5和6分別對應的訓練樣本組合為一組訓練集,得到12組訓練集,對于每組訓練集構造一個未知的非線性SVM二分類模型,并通過對訓練樣本進行交叉驗證得出最優超參數,從而得到12個訓練好的分類模型;所述非線性SVM二分類模型具體為:
g(x)=wTΦ(x)+b
其中Φ(x)為將4維特征向量x映射到高維的映射函數,即且M>>4,兩者為待求參數;
(3)將待識別的衛星導航信號提取出來的特征向量輸入步驟(2)中的12個分類模型中,每個模型輸出一個標簽,將出現次數最多的標簽所對應的類別判定為衛星導航信號的干擾類型。
2.根據權利要求1所述的基于SVM多分類算法的衛星導航干擾類型識別方法,其特征在于:步驟(1)具體包括:
(1.1)將無干擾、單頻干擾、線性調頻干擾、BPSK干擾、掃頻干擾和部分頻帶干擾信號6種干擾類型衛星導航信號下變頻為中頻信號;
(1.2)根據所述中頻信號計算每種衛星信號的信號功率σ;
(1.3)對所述中頻信號進行采樣,并將采樣信號進行取模后得到包絡Senvlop(n),再進行濾波,從而得到濾波后的包絡信號;之后設置門限將包絡Senvlop(n)中的干擾信號和噪聲分開,并記錄超過門限的持續時間t(i),從中選取最大值作為脈寬估計值pw=max{t(i)};
(1.4)根據所述中頻信號,計算每種衛星信號的信號平方前后帶寬比Rband=B2/B0,式中,B2代表平方后信號的3dB帶寬,B0代表原信號的3dB帶寬;
(1.5)對每種衛星導航信號進行間隔截取,利用FFT估計其中心頻率,得到隨時間變化的頻點值,再進行一階擬合得到擬合直線所對應的調頻斜率估計值K;
(1.6)將所述信號功率、脈寬估計值、調頻斜率估計值和信號平方前后帶寬比作為特征向量x,并按照以下方式形成樣本:
式中,i表示第i個樣本,x(i)表示第i個樣本的特征向量,y(i)表示第i個樣本的標簽,樣本數為n。
3.根據權利要求2所述的基于SVM多分類算法的衛星導航干擾類型識別方法,其特征在于:步驟(1.3)中設置的門限具體計算公式為:λ=ηE[Senvlop(n)],其中,λ為門限值,E[Senvlop(n)]為包絡均值,η為門限系數。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于東南大學,未經東南大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811037642.3/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種小樣本皮膚圖像分類方法
- 下一篇:一種裝載機工況識別模型構建及識別方法





