摘要同时使信号和噪声子空间划分更加易于实现。在杂散特性表现出的个体特征方面,从两个方面进行了研究:利用电台高阶,特征研究了电台杂散成分在高阶统计域的影响,高阶统计特征对加性高斯噪声具有良好的抑制作用,使电台杂散特性在包络上得到较好的保留;利用本文定义的谱对称偏离系数y,研究了电台杂散成分在基于经验模态分解(EMD)的Hilbert边缘谱对称性上的影响,使电台杂散成分在频域的影响得以定量地分析。频率分析方面,从与频率源密切相关的载波频率和码元速率两个频率上表现出的个体特征进行分析。为分析个体差异在这两个频率上的表现,研究了关于这两个频率的较高精度的估计算法:考察了经典正弦信号频率估计法和时频分析法等载频估计方法,提出了谱对称构造算法,能够实现对单载波窄带信号高精度的估计:提出了利用改进Morlet小波进行小波变换估计码元速率的方法,使小波变换中参数设置与性能得到自适应协调:提出了基于匹配的码元速率估计算法,该算法估计精度较高,运算量介于常规延迟相乘法和周期相关法之间。3、针对非稳定工作状态下硬件差异在信号上的体现,基于暂态信号从时频域和分形角度对暂态特征进行了研究。提出了基于暂态包络信号时变分层指数的暂态特征分析方法,具有良好的识别效果;提出了针对不同工作模式和调制信息下电台识别问题的一个解决方案——通过离散小波的分解距离函数(DDF)提取信号暂态包络特征,从而尽量消除工作模式和调制信息的影响。4、利用大量电台实际采集数据和仿真数据对上述研究进行了验证。大量实际数据试验表明:利用在稳定工作状态下的优选特征集进行电台个体识别可以达到良好的识别效果。仿真实验验证了不同工作模式下电台基于暂态特征的个体识别的有效性,说明电台暂态特征由于可以通过提取暂态包络削弱电台具体工作模式的影响,因而具有其它个体特征不可比拟的优势。关键词:个体特征,个体识别,暂态特征,优选特征集垒呈!!,,,,researchingworkistakenontheindividualcharacteranalyzingmethodofdifferentworkingmode,thestableworkingcharactersincludingthenoisecharacter,thespurcharacterandthefrequencycharacter,andthetransientcharacteranalysisofunstableworkingmode,,andthegoodperformancesofthemareverifiedbysimulationexperiments、:
通信电台个体特征分析论文 来自淘豆网m.daumloan.com转载请标明出处.
