本發(fā)明涉及無線時頻域信號識別，特別是涉及一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法。

背景技術(shù)：

1、隨著無線通信技術(shù)的快速發(fā)展，各種無線信號的并發(fā)使用使得信號識別的復(fù)雜性大幅提高。傳統(tǒng)的信號識別方法如基于傅里葉變換的時頻分析在處理復(fù)雜多樣的無線信號時存在一定的局限性，特別是在面對非平穩(wěn)信號和噪聲環(huán)境時。因此，設(shè)計一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法是十分有必要的。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，包括：

4、獲取無線信號，并對其進(jìn)行預(yù)處理；

5、基于預(yù)處理后的無線信號通過小波散射變換得到散射系數(shù)，構(gòu)建散射系數(shù)圖；

6、基于散射系數(shù)圖構(gòu)建特征向量，將其作為訓(xùn)練數(shù)據(jù)集；

7、構(gòu)建無線時頻域信號識別模型，并基于訓(xùn)練數(shù)據(jù)集對其進(jìn)行訓(xùn)練；

8、將待識別的無線信號的小波散射系數(shù)譜圖的圖像紋理特征輸入至訓(xùn)練后的無線時頻域信號識別模型中進(jìn)行識別，得到識別結(jié)果。

9、優(yōu)選地，獲取無線信號，并對其進(jìn)行預(yù)處理，具體為：

10、獲取無線信號，基于iwoa-vmd算法對其進(jìn)行去噪處理；

11、對去噪處理后的無線信號進(jìn)行無關(guān)頻段去除處理；

12、對無關(guān)頻段去除處理后的無線信號進(jìn)行歸一化處理。

13、優(yōu)選地，獲取無線信號，基于iwoa-vmd算法對其進(jìn)行去噪處理，具體為：

14、初始化vmd算法參數(shù)尋優(yōu)范圍，根據(jù)iwoa算法尋找復(fù)合適應(yīng)度函數(shù)最小值對應(yīng)參數(shù)組合；

15、將最優(yōu)參數(shù)組合代入vmd分解模型中，將無線信號分解為一系列imf；

16、使用多尺度排列熵-方差貢獻(xiàn)率選取原則計算識別不同imf，將其分類為噪聲主導(dǎo)分量和有效信號分量，對噪聲主導(dǎo)分量進(jìn)行nlm去噪后得到去噪分量；

17、將去噪分量與有效信號分量進(jìn)行重構(gòu)得到去噪后的無線信號。

18、優(yōu)選地，基于預(yù)處理后的無線信號通過小波散射變換得到散射系數(shù)，構(gòu)建散射系數(shù)圖，具體為：

19、將預(yù)處理后的無線信號通過第1層散射，即，通過小波低通濾波器對信號進(jìn)行平均，得到第1層的散射尺度系數(shù)；

20、將通過第1層的散射尺度系數(shù)作為第2層的散射系數(shù)，通過第2層小波散射得到第2層的散射尺度系數(shù)，通過相同的模運算和小波低通濾波函數(shù)得到第3層的散射尺度系數(shù)，重復(fù)得到第3層的散射尺度系數(shù)下一層的尺度系數(shù)，根據(jù)得到的散射尺度系數(shù)構(gòu)建散射系數(shù)圖。

21、優(yōu)選地，基于散射系數(shù)圖構(gòu)建特征向量，將其作為訓(xùn)練數(shù)據(jù)集，具體為：

22、提取散射系數(shù)圖的灰度梯度共生矩陣，獲取其圖像特征值；

23、根據(jù)圖像特征值構(gòu)建表征無線信號的特征向量，并將其作為訓(xùn)練數(shù)據(jù)集。

24、優(yōu)選地，構(gòu)建無線時頻域信號識別模型，并基于訓(xùn)練數(shù)據(jù)集對其進(jìn)行訓(xùn)練，具體為：

25、基于svm分類器構(gòu)建無線時頻域信號識別模型，基于貝葉斯svm超參數(shù)優(yōu)化算法通過訓(xùn)練數(shù)據(jù)集對無線時頻域信號識別模型進(jìn)行訓(xùn)練。

26、根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術(shù)效果：

27、本發(fā)明提供了一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，方法包括：獲取無線信號，并對其進(jìn)行預(yù)處理，基于預(yù)處理后的無線信號通過小波散射變換得到散射系數(shù)，構(gòu)建散射系數(shù)圖，基于散射系數(shù)圖構(gòu)建特征向量，將其作為訓(xùn)練數(shù)據(jù)集，構(gòu)建無線時頻域信號識別模型，并基于訓(xùn)練數(shù)據(jù)集對其進(jìn)行訓(xùn)練，將待識別的無線信號的小波散射系數(shù)譜圖的圖像紋理特征輸入至訓(xùn)練后的無線時頻域信號識別模型中進(jìn)行識別，得到識別結(jié)果。本發(fā)明能夠?qū)崿F(xiàn)對無線信號的高效識別，具備良好的魯棒性和準(zhǔn)確性。

技術(shù)特征：

1.一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，其特征在于，獲取無線信號，并對其進(jìn)行預(yù)處理，具體為：

3.根據(jù)權(quán)利要求2所述的基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，其特征在于，獲取無線信號，基于iwoa-vmd算法對其進(jìn)行去噪處理，具體為：

4.根據(jù)權(quán)利要求1所述的基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，其特征在于，基于預(yù)處理后的無線信號通過小波散射變換得到散射系數(shù)，構(gòu)建散射系數(shù)圖，具體為：

5.根據(jù)權(quán)利要求1所述的基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，其特征在于，基于散射系數(shù)圖構(gòu)建特征向量，將其作為訓(xùn)練數(shù)據(jù)集，具體為：

6.根據(jù)權(quán)利要求1所述的基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，其特征在于，構(gòu)建無線時頻域信號識別模型，并基于訓(xùn)練數(shù)據(jù)集對其進(jìn)行訓(xùn)練，具體為：

技術(shù)總結(jié)
本發(fā)明提供了一種基于小波時間散射網(wǎng)絡(luò)的無線時頻域信號識別方法，包括：獲取無線信號，并對其進(jìn)行預(yù)處理，基于預(yù)處理后的無線信號通過小波散射變換得到散射系數(shù)，構(gòu)建散射系數(shù)圖，基于散射系數(shù)圖構(gòu)建特征向量，將其作為訓(xùn)練數(shù)據(jù)集，構(gòu)建無線時頻域信號識別模型，并基于訓(xùn)練數(shù)據(jù)集對其進(jìn)行訓(xùn)練，將待識別的無線信號的小波散射系數(shù)譜圖的圖像紋理特征輸入至訓(xùn)練后的無線時頻域信號識別模型中進(jìn)行識別，得到識別結(jié)果。本發(fā)明能夠?qū)崿F(xiàn)對無線信號的高效識別，具備良好的魯棒性和準(zhǔn)確性。

技術(shù)研發(fā)人員：吉鴻海,鄭雪晨,修偉杰,張曉平,王東煒
受保護(hù)的技術(shù)使用者：北方工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28