[发明专利]混合信号的分类方法、装置及电子设备

权利要求书

1.一种混合信号的分类方法，其特征在于，包括：

接收混合信号，所述混合信号中包含噪声和至少2种不同的信号；

利用预设的主成分分析法PCA，对所述混合信号对应的矩阵进行计算，获得待分类混合信号以及确定所述待分类混合信号中包含的信号种类个数；所述待分类混合信号为去除所述混合信号中的噪声后得到的混合信号；

根据所述待分类混合信号中包含的信号种类个数，确定分离矩阵；

利用所述分离矩阵分离所述待分类混合信号中的各类信号，得到待识别信号；

分别计算所述待识别信号中，每一待识别信号对应的预设数量个高阶累积量；

将计算得到的所述高阶累积量，分别作为该高阶累积量对应的待识别信号的特征；

将所述待识别信号的特征输入预设的分类模型；所述分类模型用于根据所述待识别信号的特征计算并输出所述待识别信号的调制方式；

获得所述分类模型的输出结果；所述输出结果中包括：所述待识别信号的调制方式；

其中，利用预设的主成分分析法PCA，对所述混合信号对应的矩阵进行计算，获得待分类混合信号以及确定所述待分类混合信号中包含的信号种类个数的步骤，包括：

对所述混合信号对应的矩阵R，进行归一化处理，计算获得矩阵所述矩阵为所述混合信号对应的矩阵R，进行归一化处理得到的矩阵；

对所述矩阵进行中心化处理，使所述矩阵的平均值为0，计算获得矩阵

计算所述矩阵的自相关矩阵；并对所述矩阵的自相关矩阵进行奇异值分解，得到其中，为矩阵的转置共轭矩阵，为的转置共轭矩阵，为正交矩阵，是矩阵的第n个列，对角矩阵为N为接收所述混合信号的天线个数；λ₁,…,λ_N为所述自相关矩阵的奇异值；

将所述奇异值λ₁,…,λ_N由小到大排列；并将所述奇异值λ₁,…,λ_N中数值小于预设阈值的奇异值的数值设为0，计算获得对角矩阵

令利用预设的公式计算获得所述待分类混合信号；所述待分类混合信号对应的矩阵为

根据所述奇异值λ₁,…,λ_N中，不为0的奇异值的个数，确定所述待分类混合信号中包含的信号种类个数；

其中，根据所述待分类混合信号中包含的信号种类个数，确定分离矩阵的步骤，包括：

获得预设的迭代次数和初始分离矩阵w；

根据所述迭代次数和所述初始分离矩阵w，利用预设的公式计算获得分离矩阵w；其中，所述分离矩阵w有M行N列，M为所述待分类混合信号中包含的信号种类个数，N为接收所述混合信号的天线个数，表示所述分离矩阵w的第m列在k次迭代后的结果，向量为所述待分类混合信号的第i列。

2.根据权利要求1所述的方法，其特征在于，所述利用所述分离矩阵分离所述待分类混合信号中的各个信号，得到待识别信号的步骤，包括：

对所述分离矩阵w，进行归一化处理，得到矩阵

将所述分离矩阵与所述待分类混合信号对应的矩阵相乘，分离所述待分类混合信号中的各个信号，得到待识别信号。

3.根据权利要求1所述的方法，其特征在于，所述将计算得到的所述高阶累积量，分别作为该高阶累积量对应的待识别信号的特征的步骤，包括：

对所述高阶累积量进行归一化处理；

将归一化处理后的高阶累积量，作为所述高阶累积量对应的待识别信号的特征。

4.根据权利要求1所述的方法，其特征在于，

所述分类模型为支持向量机模型；

在所述将所述待识别信号的特征输入预设的分类模型的步骤之前，还包括：

将带有标签的训练样本，输入当前支持向量机模型中，获得当前支持向量机模型输出的各个训练样本对应的调制方式；

根据所述当前支持向量机模型输出结果和所述训练样本的标签，使用预设的损失函数计算损失值；

根据所述损失值，调整所述当前支持向量机中的参数，得到所述支持向量机模型。