论文部分内容阅读
随着无线通信技术的飞速发展,无线设备信息处理能力的不断增强,无线业务需求的日益增多,无线频谱被大量不同类型的无线设备和无线业务所共享,无线频谱资源愈发紧缺,其高效利用具有较高的经济效益和社会效益。无线频谱资源的合理分配是实现无线通信技术融合、无线业务覆盖和无线设备协作的重要影响因素。因此,科学地监督和管理所在环境下的无线射频信号十分重要。即对无线射频信号进行实时监测,判别其类型,进而采取相应措施,以提高无线通信技术的效能。论文在多种无线射频信号共存的环境中利用数据挖掘方法实现无线射频信号的发射源及信息处理方式的识别。所做的主要研究工作和创新点包括以下方面:(1)针对来自不同发射源的IEEE 802.11n射频信号(调制方式均为BPSK),使用Sora软件无线电平台和频谱分析仪采集无线射频信号的功率谱密度,研究其识别方法。分析实际采集的功率谱密度数据,结合其特点使用基于k最近邻的改进算法对无线射频信号的发射源进行分类识别,改进包括主成分分析降维预处理和交叉验证选择k值。(2)针对来自同一发射源的IEEE 802.11a和IEEE 802.11n射频信号,对实际采集的功率谱密度数据进行分析。两种无线射频信号的功率谱密度瞬时值有较大差别,用数据挖掘中的线性分类方法即可准确识别。选择对分布、方差等均没有限制的线性判别分析方法,利用Fisher判别准则可以在特征降维的基础上实现类别的划分。(3)针对来自同一发射源的IEEE 802.11n BPSK及两种传输速率下的QPSK射频信号,对其中任意两类无线射频信号分别进行分类识别。首先采用线性分类方法中的逻辑斯谛回归模型进行分析,结果表明IEEE 802.11n射频信号数据非线性可分。因此,使用非线性支持向量机识别信号类型,通过交叉验证选择模型和参数。