基于t-SNE算法的ABPSK信号个体识别ABPSK signal individual recognition based on t-SNE algorithm
姚舜禹;王雪;邹德财;李优阳;
摘要(Abstract):
同一通信体系下的ABPSK(aeronautical binary phase shift keying)信号都有着相同的前导码,传统信号识别方法无法通过相同的前导码部分准确地识别出信号源,且常用信号特征属于高维特征,非常容易引发维度灾难。采用前导码相同的ABPSK实际信号采集数据的前导码,使用t-SNE算法对实际采集信号的前导码以及双谱进行降维,并且把降维后信号单一特征输入分类器中,不仅有效地利用了信号数据的流形信息,而且显著提升了基于信号单一特征进行信号个体识别的正确率。
关键词(KeyWords): t-SNE算法流形降维;信号个体识别;维度灾难;信号细微特征
基金项目(Foundation): 中国科学院青年创新促进会人才资助项目
作者(Author): 姚舜禹;王雪;邹德财;李优阳;
Email:
DOI: 10.13875/j.issn.1674-0637.2019-04-0336-09
参考文献(References):
- [1] DAUBECHIES I. The wavelet transform, time-frequency localization and signal analysis[J]. IEEE Transactions on Information Theory, 2015, 36(5):961-1005.
- [2] CHEN Y K, FOMEL S. EMD-seislet transform[J]. 2017, 83(1):27-32.
- [3]黄健航,雷迎科.基于深度学习的通信辐射源指纹特征提取算法[J].信号处理, 2018, 34(1):31-38.
- [4] KEOGH E, MUEEN A. Curse of dimensionality[M]. Boston:Springer, 2017:314-315.
- [5]胡铁乔. ABPSK原理及实现[J].中国民航大学学报, 1999, 17(1):1-7.
- [6]斱晗,缪蔚,洪志良.基于前导码的WLAN 802.11b频偏估计算法[J].电路与系统学报, 2007, 12(3):143-146.
- [7]陈昌孝,何明浩,朱元清,等.基于双谱分析的雷达辐射源个体特征提取[J].系统工程与电子技术, 2008, 23(6):1046-1049.
- [8]李航.统计学习斱法[M].北京:清华大学出版社, 2012.
- [9]张莉,周伟达,焦李成.尺度核函数支撑矢量机[J].电子学报, 2002, 30(4):527-529.
- [10] M G. Mercer kernel-based clustering in feature space[J]. IEEE Transactions on Neural Networks, 2002, 13(3):780-784.
- [11] ZHAN W W, WANG B, XUE J, et al. Adaptive weighted t-SNE algorithm and application in dimensionality reduction of human brain network state observation matrix[J]. Application Research of Computers, 2018, 35(7):2055-2058.
- [12] MAATEN L V D, HINTON G. Visualizing data using t-SNE[J]. Journal of Machine Learning Research, 2008, 9(11):2579-2605.
- [13] HINTON G, ROWEIS S. Stochastic neighbor embedding[J]. Advances in Neural Information Processing Systems, 2002, 41(4):833-840.
- [14] KINGMA D P, BA J. Adam:A method for stochastic optimization[J]. 3rd International Conference for Learning Representations,San Diego:[s.n.], 2014.