基于K—means聚类算法的信号源识别分类研究

李俪颜 何耀民 张辉

【摘要】针对已经侦测得到的信号，首先进行从时域到频域的快速傅里叶变换，其次使用Kmeans聚类法将信号根据频域特征进行分类，然后对每类信号求平均消除高斯白噪声的干扰，最后分别提取每类聚类平均信号的特征量载频，调制信号和放大倍数，建立信号源识别分类模型。

【关键词】Kmeans聚类 识别分类 傅里叶变换 特征值

【基金项目】陕西省教育厅专项科研计划项目（编号：16JK1696）资助）

【中图分类号】TP391.3 【文献标识码】A 【文章编号】2095-3089（2017）22-0024-02

引言

在现今通信技术的高速发展和广泛应用的背景下，如何对侦测到的不同类别通信辐射源及辐射信号进行特征量的提取和解算，实现对多个信号的识别分类是当今通信领域研究的一个重点。针对不同种类的信号源要采取不同的识别方法，这样才能实现对信号的快速捕获和快速识别，以达到及时掌握已捕获信号信息，从而实现对信号源的分析和应用。假设我方侦测接收得到500个由5类不同通信辐射源的信号样本，其采样频率均为fs。通过提取分析通信辐射源的信号特征，建立识别分类模型，对这500个信号样本进行识别分类。

一、快速傅里叶变换

利用 MATLAB对500个信号的时域频谱图进行绘制，可以初步观察不同信号之间的差异。如果信号在时域中的规律不明显，无法准确分析辐射源信号的特征，则对其进行快速傅里叶变换得到信号在频域的分布，同时将每个信号的1024个时域值转换为频域值，可以从频域频谱图中观察不同信号之间的异同。……