论文部分内容阅读
随着计算机和信息技术的发展,人们越来越重视从已有信息中挖掘有用信息,并对事物进行理解、推断和判断。信息可以理解为数据、信号、消息所包含的意义。信息处理就是信息的采集、加工、传送等过程,通常分为选择与分离和识别与分类的信息处理。其中识别和分类的信息处理是信息处理技术发展较快的一个分支,通常称为模式识别。k均值聚类将n个数据对象划分为k类,以使得所获得的聚类满足:同一聚类中的对象相似度较高,而不同聚类中的对象相似度较小。尽管该方法是一种局部搜索寻优方法,对初始值很敏感,容易陷入局部极小值,往往得不到满意的聚类结果,但其仍然在图像分割、邮件过滤等中有着广泛的应用。ISODATA(迭代自组织数据分析技术)同k均值聚类都是动态聚类算法,它与k均值聚类不同之处在于不是每调整一次类别就重新计算中心,而是将全部样本都调整完毕才计算一次中心,而且可以自动进行类的“合并”和“分裂”。在商业上区分不同消费群体、图像处理和模式识别中有着广泛的应用,在无线电监测领域未曾应用。本文首先介绍与研究课题相关的基础知识,然后从选择和分离的信息处理与识别和分类的信息处理两个方面入手,来研究以数据为处理对象的信息处理。以发现非法信号为出发点,保障卫星电视通讯安全,维护社会稳定和人民群众正常的生活为目的,开发出可以替代监测人员工作的软件系统。其中分离的信息处理主要是从信号的频谱数据中分离底噪声数据,而识别和分类的信息处理是完成干扰信号类型的识别。由于本文中涉及的去除噪声的实际问题和传统的意义上的去噪有所区别,结合系统本身实时性的要求,提出了基于k均值聚类的去除底噪声方法。再者,在无线电监测业务中对干扰信号的分类只是宽泛的概念,也就是说监测人员只要笼统地知道是干扰信号即可。面对这样的实际问题提出了基于ISODATA算法的分层结构聚类算法。使用本文中的方法将使得信号的识别率大幅度提高,尤其是低信噪比下的正确率。本论文的主要研究成果可归纳如下:1.在大量仿真实验的基础上,改进了底噪声处理的方法;改进了基于ISODATA算法的半监督学习方法在C波段无线电监测中的应用,使得分类判断的结果受管理人员概念性认识的限制降低。2.分类过程改进,给管理人员提供判断类型的可能程度,便于后期分析。