[发明专利]复杂环境下一种新的通信电台个体识别方法

说明书

技术领域

本发明涉及的是一种通信电台识别技术领域的特征识别方法。

背景技术

近几年来通信电台识别成为通信侦查领域中一个重要的课题。其中，通信电台细微特征的提取在电台识别中占有着至关重要的地位。目前，对于相同工作模式、相同型号下的不同电台进行识别成为通信电台个体识别中的难点。它主要根据各电台硬件的微小差异以及在不同的发射环境噪声影响下，发射信号上所表现出来的区别于其它个体的细微特征，来判别信号来自哪个电台，从而实现通信电台的跟踪，为通信电子侦察系统提供重要依据。

目前已有的通信电台个体识别方法主要有基于通信电台信号暂态特征提取的时域分析法，基于频率跳变点检测、谱特征的频域分析法，基于小波变化、WVD变换等的时频分析法以及基于高阶累积量，熵值特征等识别方法。但是，这些方法抗噪性能比较差，往往在低信噪比下都具有较低的识别率，这就对电台识别的环境提出了更高的要求。分形特征是近几年来提出的一种混沌特征参数，其对噪声不敏感且对信号的复杂度特征的刻画具有较好的效描述果。其中，分形盒维数特征因为计算简单而得到了较广泛的应用。这就为低信噪比下通信电台细微特征的提取奠定了很好的理论基础。

发明内容

本发明的目的在于提供可以克服现有技术中对通信电台识别算法复杂度高且低信噪比下难以进行特征提取的问题的复杂环境下一种新的通信电台个体识别方法。

本发明的目的是这样实现的：

本发明复杂环境下一种新的通信电台个体识别方法，其特征是：

(1)对不同通信电台发射的通信信号进行重采样，接收到得通信电台信号为x，重采样信号的采样间隔为Δx，通信信号被转化为离散时间信号序列{x(i)}，i表示信号的采样点数；

(2)对重采样得到的离散通信信号时间序列进行相空间重构，将信号转化到不同的重构相空间下用以捕获不同重构相空间特征：

设离散信号序列{x(i)}为欧式空间Rⁿ上的闭集，离散数据点之间的距离即为采样间隔Δx，则重构信号向量空间x₀可以表示为：

x₀＝x_k(j-1)+1，x_k(j-1)+2，·x_k(j-1)+k+1

j＝1，2，·，N₀/k，k＝1，2·K，j、k为重构空间时所设定的值，K为k的最大值，N₀为采样点数，且K＜N₀；当k＝K时，向量空间中每一个向量为K+1维向量，即离散信号序列{x(i)}被重构为N₀-K+1个K+1维向量；

(3)利用一种新的分形盒维数算法计算不同重构相空间下通信电台离散信号序列的分形盒维数，得到一个关于分形盒维数特征向量：

设F为Rⁿ上的非空有界子集，表示待计算变量，令N(F，ε)表示覆盖F的边长为ε的最少盒子的数目，则盒维数D的计算公式可以表示为：

D=limϵ→0InN(F,ϵ)In(1/ϵ)]]>

由于采样频率f的存在，其采样间隔Δx即为信号的最高分辨率，在计算盒维数时，令最小盒子的边长ε＝Δx，

对于离散信号序列{x(i)}，采用近似算法令覆盖信号盒子的最小边长等于采样间隔Δx，依次计算边长为kΔx的盒子在离散信号{x(i)}上的计数N_kΔx，则定义：

p₁＝max{x₀}

p₂＝min{x₀}