[發明專利]一種基于支持向量數據描述的超短波威脅信號感知方法

有效

• 申請號: 202010230505.2
• 申請日: 2020-03-27
• 公開（公告）號: CN111597873B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 李亞星;吳灝;康穎;郭宇;孟進;何方敏;李偉;葛松虎;李毅;王青
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 長沙新裕知識產權代理有限公司 43210
• 代理人: 方暉

1.一種基于支持向量數據描述模型的超短波威脅信號感知方法，其特征在于：包括信號采集、時頻分析、數據降維、信號數據庫構建、支持向量數據描述模型訓練和在線威脅信號感知；

所述的信號采集的輸入為空間中傳播的我方通信信號x(n)，輸出端采集的復數信號x_I(n)+j*x_Q(n)連接時頻分析模塊的輸入端；

所述的時頻分析模塊輸入端為采集復數信號x_I(n)+j*x_Q(n)，輸出端時頻譜圖F(r,g,b)連接數據降維模塊的輸入端，構建我方超短波通信信號的時頻譜圖數據庫；

所述的數據降維模塊輸入端為信號時頻譜圖F(r,g,b)，輸出端F_1:K連接支持向量數據描述模型訓練模塊；

所述的支持向量數據描述模型訓練模塊輸入端F_1:K，輸出支持向量數據描述模型參數C,α_1:N；

所述的在線威脅感知模塊第一輸入端x′(n)空間中未知類別信號，經過數字下變頻、時頻分析和數據降低維度轉化為低維度特征向量F′_1:K，第二輸入端支持向量數據描述模型參數C,α_1:N，輸出感知結果。

2.根據權利要求1所述的超短波威脅信號感知方法，其特征在于，包括如下步驟：

步驟S1：信號采集，我方通信設備發射信號，利用射頻板卡數字下變頻信號進行數據采集；

步驟S2：信號時頻分析，構建我方信號時頻譜圖數據庫；

步驟S3：數據降維，利用圖像預處理方法灰度化RGB時頻譜圖，然后基于主成分分析理論降維處理；

步驟S4：訓練支持向量數據描述模型，采用拉格朗日相乘法計算模型參數，再選擇最優模型參數；

步驟S5：在線威脅信號感知。

3.根據權利要求2所述的超短波威脅信號感知方法，其特征在于，所述信號時頻分析，包括如下步驟：

步驟S21：利用滑動窗口短時傅里葉分析復數基帶信號，相鄰窗函數有一定程度重疊；

步驟S22：計算短時傅里葉分析后信號模值，模值幅度對應于圖像深度信息生成RGB時頻譜圖。

4.根據權利要求1或2所述的超短波威脅信號感知方法，其特征在于，所述信號數據庫構建，將生成的時頻譜圖和對應信號類型標簽一一對應，并以統一數據格式進行儲存。

5.根據權利要求2所述的超短波威脅信號感知方法，其特征在于，所述用于RGB時頻譜圖降維方法，包括如下步驟：

步驟S31：雙三次插值法(Bicubic interpolation)降低時頻譜圖分辨率，然后將低分辨率RGB時頻譜圖灰度化；

步驟S32：二維的灰度圖數據轉換為一維向量，去均值歸一化；

步驟S33：對向量化數做主成分分析(Principal Component Analysis,PCA)，構建低維空間投影矩陣，投影計算低維特征向量。

6.根據權利要求1或4所述的超短波威脅信號感知方法，所述用于支持向量數據描述模型訓練方法，其特征在于，包括如下步驟：

步驟S41：引入希爾伯特空間的特征映射、松弛因子變量，構建支持向量數據描述模型，確定模型優化目標函數和約束條件；

步驟S42：引入拉格朗日乘因子，構建代價函數；

步驟S43：凸優化代價函數，計算支持向量數據描述模型參數；

步驟S44:改變松弛因子和核函數參數再次凸優化后拉格朗日因子，直到遍歷所有的松弛因子和核函數參數組合；

步驟S45：選擇最優模型參數。

7.根據權利要求2所述的超短波威脅信號感知方法，其特征在于，所述在線威脅信號感知為數字下變頻空間中未知信號；時頻分析基帶復信號，數據降維轉換為低維特征向量；利用訓練的支持向量數據描述模型，依據判定原則感知未知信號為我方信號或潛在威脅信號。