基于粗糙集的通信信號識別方法

黃加增

（福州工商學院，福建 福州 350715）

在當今社會中，信息時代已經成為主流，無線通信技術依靠信息技術已經逐漸地得到成熟與發展，通信信號就是信息傳遞的媒介。由于通信信號很容易受到干擾，以及影響通信信號的因素相對較多，基于粗糙集理論提出全新的通信信號識別方法，有利于提高通信信號識別效率，節約通信信號識別成本。

1 基于粗糙集的通信信號識別方法

1.1 提取通信信號特征

在進行通信信號識別中，提取通信信號特征是實現識別的重要條件，通信信號具有多樣化的特點，根據通信信號特征的不同，需要對通信信號進行分類劃分。我們可以根據通信信號的信號譜線和信號波變換方式來提取通信信號特征。通信信號主要以電磁波的形式完成的，所以我們在進行特征提取時，我們需要對接收到的電磁波時頻和波頻進行處理，將處理過后的圖像進行分析[1]。在通信信號傳輸的過程中，通信信號很可能受到很多噪音影響，導致分析通信信號特征時具有不確定性，所以在上述預處理階段，也需要對傳輸的電磁波進行預處理。通信信號特征的選取是進行通信信號識別的第一階段，是識別過程中的重要環節，基于粗糙集理論設計的通信識別方法可以有效實現通信信號特征的提取，能夠避開多種影響因素，提高了提取通信信號特征參數的準確性。基于粗糙集的通信信號識別方法可以通過信號頻率、信號波動幅度和信號強弱來進行分析，實現了多角度分析，精確提取。

1.2 基于粗糙集構建概率模型

基于粗糙集理論構建的概率模型，能夠有效實現通信信號分類。概率模型是一種相對簡化的模型，操作性簡單方便，它能夠將復雜的信號分類問題簡單化，將無效數據信息進行剔除，得到有效數據信息，能夠準確提取通信信號特征實現通信信號精準分類識別[2]。基于粗糙集構建的概率模型具有靈活性，概率模型可以根據實際情況和實際問題，轉化運行模式，根據問題的決策屬性選擇正確的程序運行模式。通信信號可以從計算機中心歸一化瞬時幅度譜密度最大值、占用寬度和峰度這個三個角度進行通信信號識別。其中通信信號瞬時幅度譜密度最大值，如式（1）所示。

式中，Qmax表示通信信號譜密度最大值；其中瞬時幅度信號用W表示；E表示對通信信號采樣的數量。測量出譜密度最大值，可以分析出通信信號受到的干擾程度。通信信號的峰度表示的就是概率密度分布曲線在平均值峰值高低的表現情況。計算通信信號峰度值，如式（2）所示。

式中，R表示峰度值；T、P分別表示通信輸入信號的幅度譜和通信信號頻率。峰度值能夠反映出通信信號在傳輸過程中呈現的正態分布情況。其中計算的通信信號占用寬度是指總功率在99%的寬帶占總寬帶的比例，通過寬度占比，分析出通信信號強度。

1.3 調制識別算法識別通信信號

調制識別算法能夠有效實現通信信號分類，是實現通信信號識別的最終手段。調制識別算法能夠設置出弱分類器和強分類器兩種模式，將不同類型的通信信號劃分到弱分類器中，強分類器是將多個弱分類器相互結合而實現的，從而對通信信號進行識別[3]。通信信號調制識別算法首先是對信號進行分類，采用決策樹模型對通信信號樣本指數進行計算，將通信信號樣本劃分為兩個集合計算公式如式（3）所示。

式中，U表示通信信號樣本指數；I1和I2表示不同類型的兩個通信信號樣本集合；樣本集合的不確定性用P和A表示。通過調制識別算法是決策樹結構的基礎，計算出的通信樣本指數能夠有效利用到決策樹中，決策樹通過設置的弱分類器和強分類器對通信信號進行重新排列組合，反復測試數據集，最終完成通信信號識別。

2 實驗與分析

2.1 實驗準備

選用基于粗糙集的通信信號識別方法對通信信號進行識別，測試基于粗糙集的通信信號識別方法的識別效果，將本文識別方法與傳統識別方法進行比較，分析實驗結果。開始實驗之前，選用性能較好的通信信號采集器，提取通信信號參數特征，分別采取8組通信信號，這8組通信信號分別用X1、X2、X3、X4、X5、X5、X7、X8表示。通信信號特征參數值，如表1所示。

表1 通信信號特征參數表

X7 FSK 短波 1549 1.2 X8 AM 中波 1164 1.15

根據表1可知，實驗一共設置了8組通信信號，每一種通信信號的特征參數不一樣，分別對這8組通信信號進行識別。從基于粗糙集構建的概率模型識別精準性的角度出發，結合通信信號的實際情況，對通信信號進行處理分析。

2.2 實驗結果

根據上述實驗前的準備，分別對8組通信信號識別時間進行比較，由于5組通信信號的特征參數不一樣，研究對象具有合理性，更能測量出本文方法與傳統通信信號識別方法的不同之處。實驗結果，如圖1所示。

?

圖1 識別時間結果圖

根據圖1可知，本文方法通信信號識別方法與傳統通信信號識別方法對識別時間進行比較，當通信信號類型一致時，本文方法識別時間曲線均在傳統識別方法曲線的下面，說明本文識別時間均比傳統識別方法識別時間短。經計算，本文識別方法識別的平均時間為8.01s，傳統識別方法識別的平均時間為18.15s，本文方法識別時間比傳統方法識別時間快了10.14s。基于粗糙集的通信信號識別方法能夠有效控制識別時間，節省識別成本，提高了通信信號識別效果。

3 結束語

本文為了提高通信信號識別效果，以粗糙集理論為基礎，提出全新的通信信號識別方法，基于粗糙集理論構建的模型更加穩定。本文以分類識別為主，根據通信信號特征不同，把通信信號劃分為不同種類的通信信號類型，測試基于粗糙集構建的通信信號識別方法的正確率以及識別時間。本文在實驗過程中發現，有很多因素會影響到通信信號識別，在實驗中沒有控制好影響因素，實驗結果會產生一定的誤差，希望在下一次研究中著重分析影響因素，設置一個相對穩定的實驗環境，從多層面對通信信號進行識別。