基于对信号功率谱拟合特征提取的信号识别方法

摘要：

针对通信信号业务种类识别问题,提出利用机器学习领域的线性回归算法和多项式拟合模型提取信号功率谱的多项式拟合因子作为信号的统一特征来构建训练集,并在深度学习平台keras上构建了全连接的神经网络分类器模型.相比传统的方法,具有对无线电信号统一表征而无需对业务逐个提取个性化特征的优点.选取实际无线电监测数据中的码分多址(CDMA)上行、CDMA下行、增强型全球移动通信系统(EGSM)上行、EGSM下行、无线局域网(WLAN)以及长期演进(LTE)6种信号的功率谱数据作为数据集,通过验证得到了97％的分类准确率,证明了该方法的可行性.

关键词：信号识别、深度学习、特征提取、多项式回归

所属期刊栏目：41

分类号：TN911.6

资助基金：国家自然科学基金项目61427801

在线出版日期：2018-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：114-118