李学成
- 作品数：3 被引量：5H指数：2
- 供职机构：解放军信息工程大学更多>>
- 发文基金：国家科技重大专项更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于固有时间尺度分解的信号细微特征识别
- 为解决无线复杂环境下同型号通信电台发送的信号识别问题,针对传统时频方法处理杂散细微特征存在不足,提出了一种基于固有时间尺度分解(intrinsic time-scale decomposition,ITD)的信号细微特征...
- 李学成段田东徐文艳吴素琴
- 关键词：信号处理识别方法分类器
- 文献传递
- 基于软K段主曲线的信号细微特征识别被引量：2
- 2015年
- 为解决同型号电台信号识别问题,针对具有同步头的信号,根据噪声在频域分布于底层的特点,从频域角度出发,建立基于软K段主曲线算法的功率谱骨架模型。将谱骨架作为暂态特征,计算其信息维数和盒维数,将得到的分形维数使用SVM分类器进行训练,实现对不同电台发送的相同数据波形信号的识别。实验结果表明,在信噪比较低的情况下,该方法可以有效识别电台,识别率仍可达到80%以上。
- 李学成段田东徐文艳吴素琴
- 关键词：暂态特征主曲线分形维数
- 基于固有时间尺度分解的信号细微特征识别被引量：4
- 2014年
- 为解决无线复杂环境下同型号通信电台发送的信号识别问题,针对传统时频方法处理杂散细微特征存在不足,提出了一种基于固有时间尺度分解(intrinsic time-scale decomposition,ITD)的信号细微特征识别方法。首先通过ITD方法将稳态状态下信号分解,计算分量瞬时参数并得到信号的时频谱,然后提取频谱特征作为细微特征,最后使用SVM分类器进行模式训练以实现信号的识别。仿真结果表明,该算法能够解决传统方法的实时性和准确性差等问题,取得较好的识别效果。
- 李学成段田东徐文艳吴素琴
