【摘 要 】针对复杂环境下信号检测设备获得的通信信号特征具有不完整性和模糊性的情况,本文提出了利用灰色关联算法和证据理论的通信信号识别方法.该方法首先灰色关联方法计算出证据的基本概率赋值,然后在融合中心对证据进行融合.理论分析和仿真结果表明,这种方法是复杂环境下通信信号识别的一种正确和可行的方法.
【关 键 词 】灰色关联理论证据理论通信
现代通信环境日益复杂,通信信号的密度成倍增加,电磁信号样式复杂多变,使得通信信号的识别变得异常困难[1].信号检测设备通过对待识别通信信号的特征参数的观测,与数据库中己知信号的特征参数进行匹配,从而确定待识别通信信号的类型.
本文提出利用灰色关联算法获得各证据体的BPAF,然后利用基于证据理论[2,3]对证据进行融合.理论分析和仿真结果表明,该方法识别率高、可靠性强,适合于复杂下的通信信号识别.
一、灰色关联分析基本原理
三、算法的步骤
本文所提出的识别算法步骤如下:
(1)构造通信信号识别框架U
定义所有通信信号的类型U等于{R1,R2,等,RN}.
(2)获取证据的BPAF
计算比较数列与参考数列的灰色关联度,然后采用式(7)计算BPAF.
xij等于xij+滓ij×randn(5)
xij、滓ij分别为第i类信号的第j指标的均值和方差,randn为均值为0、方差为1的正态随机分布.
检测设三种传感器的测量方差如表2所示,根据表2和式(5)可以模拟来自于辐射源b1的观测样本.其中,信号侦察设备获取三个周期的样本,ELINT系统二个周期的样本,利用E一个周期的样本,获得的观测样本序列如表3所示.
利用灰色关联算法获得BPAF,如表4所示.
按照相同侦查设备融合的结果,如表5所示.
按照不同侦查设备融合的结果,如表6所示.可见,本文的方法可以正确的识别出的信号b1.
五、结论
针对复杂环境下的信号识别问题,本文研究了一种利用灰色关联算法获取BPAF,利用证据融合模型进行识别的方法.理论分析和仿真结果表明,该方法可以正确的识别出信号的类型.