论文部分内容阅读
时频域的电台识别较多利用频率稳定度作为特征，但在采集环境和设备噪声的限制下，频率估计精度难以提高，影响电台的识别率。本文在分析瞬时频率的概率分布函数的基础上，结合云模型分类器，提出了改进相位拟合的方法。首先将经过预处理的数据进行相位拟合，得到短时频率估计值，然后利用估计值建立正态云，最后转化为隶属度进行分类识别。这种方法淡化了非彼即此的硬判分类，弥补了分类过程中对特征的模糊性和随机性的忽视。仿真实验和实际电台实验验证了在算法运算代价基本相同的情况下，识别率有了较大的提高，最高的平均识别率达到了97％。