基于粗糙集的通信信号识别方法

黄加增

（福州工商学院，福建 福州 350715）

在当今社会中，信息时代已经成为主流，无线通信技术依靠信息技术已经逐渐地得到成熟与发展，通信信号就是信息传递的媒介。由于通信信号很容易受到干扰，以及影响通信信号的因素相对较多，基于粗糙集理论提出全新的通信信号识别方法，有利于提高通信信号识别效率，节约通信信号识别成本。

1 基于粗糙集的通信信号识别方法

1.1 提取通信信号特征

在进行通信信号识别中，提取通信信号特征是实现识别的重要条件，通信信号具有多样化的特点，根据通信信号特征的不同，需要对通信信号进行分类划分。我们可以根据通信信号的信号谱线和信号波变换方式来提取通信信号特征。通信信号主要以电磁波的形式完成的，所以我们在进行特征提取时，我们需要对接收到的电磁波时频和波频进行处理，将处理过后的图像进行分析[1]。在通信信号传输的过程中，通信信号很可能受到很多噪音影响，导致分析通信信号特征时具有不确定性，所以在上述预处理阶段，也需要对传输的电磁波进行预处理。通信信号特征的选取是进行通信信号识别的第一阶段，是识别过程中的重要环节，基于粗糙集理论设计的通信识别方法可以有效实现通信信号特征的提取，能够避开多种影响因素，提高了提取通信信号特征参数的准确性。基于粗糙集的通信信号识别方法可以通过信号频率、信号波动幅度和信号强弱来进行分析，实现了多角度分析，精确提取。

1.2 基于粗糙集构建概率模型

基于粗糙集理论构建的概率模型，能够有效实现通信信号分类。概率模型是一种相对简化的模型，操作性简单方便，它能够将复杂的信号分类问题简单化，将无效数据信息进行剔除，得到有效数据信息，能够准确提取通信信号特征实现通信信号精准分类识别[2]。基于粗糙集构建的概率模型具有灵活性，概率模型可以根据实际情况和实际问题，转化运行模式，根据问题的决策属性选择正确的程序运行模式。通信信号可以从计算机中心归一化瞬时幅度谱密度最大值、占用宽度和峰度这个三个角度进行通信信号识别。其中通信信号瞬时幅度谱密度最大值，如式（1）所示。

式中，Qmax表示通信信号谱密度最大值；其中瞬时幅度信号用W表示；E表示对通信信号采样的数量。测量出谱密度最大值，可以分析出通信信号受到的干扰程度。通信信号的峰度表示的就是概率密度分布曲线在平均值峰值高低的表现情况。计算通信信号峰度值，如式（2）所示。

式中，R表示峰度值；T、P分别表示通信输入信号的幅度谱和通信信号频率。峰度值能够反映出通信信号在传输过程中呈现的正态分布情况。其中计算的通信信号占用宽度是指总功率在99%的宽带占总宽带的比例，通过宽度占比，分析出通信信号强度。

1.3 调制识别算法识别通信信号

调制识别算法能够有效实现通信信号分类，是实现通信信号识别的最终手段。调制识别算法能够设置出弱分类器和强分类器两种模式，将不同类型的通信信号划分到弱分类器中，强分类器是将多个弱分类器相互结合而实现的，从而对通信信号进行识别[3]。通信信号调制识别算法首先是对信号进行分类，采用决策树模型对通信信号样本指数进行计算，将通信信号样本划分为两个集合计算公式如式（3）所示。

式中，U表示通信信号样本指数；I1和I2表示不同类型的两个通信信号样本集合；样本集合的不确定性用P和A表示。通过调制识别算法是决策树结构的基础，计算出的通信样本指数能够有效利用到决策树中，决策树通过设置的弱分类器和强分类器对通信信号进行重新排列组合，反复测试数据集，最终完成通信信号识别。

2 实验与分析

2.1 实验准备

选用基于粗糙集的通信信号识别方法对通信信号进行识别，测试基于粗糙集的通信信号识别方法的识别效果，将本文识别方法与传统识别方法进行比较，分析实验结果。开始实验之前，选用性能较好的通信信号采集器，提取通信信号参数特征，分别采取8组通信信号，这8组通信信号分别用X1、X2、X3、X4、X5、X5、X7、X8表示。通信信号特征参数值，如表1所示。

表1 通信信号特征参数表

X7 FSK 短波 1549 1.2 X8 AM 中波 1164 1.15

根据表1可知，实验一共设置了8组通信信号，每一种通信信号的特征参数不一样，分别对这8组通信信号进行识别。从基于粗糙集构建的概率模型识别精准性的角度出发，结合通信信号的实际情况，对通信信号进行处理分析。

2.2 实验结果

根据上述实验前的准备，分别对8组通信信号识别时间进行比较，由于5组通信信号的特征参数不一样，研究对象具有合理性，更能测量出本文方法与传统通信信号识别方法的不同之处。实验结果，如图1所示。

?

图1 识别时间结果图

根据图1可知，本文方法通信信号识别方法与传统通信信号识别方法对识别时间进行比较，当通信信号类型一致时，本文方法识别时间曲线均在传统识别方法曲线的下面，说明本文识别时间均比传统识别方法识别时间短。经计算，本文识别方法识别的平均时间为8.01s，传统识别方法识别的平均时间为18.15s，本文方法识别时间比传统方法识别时间快了10.14s。基于粗糙集的通信信号识别方法能够有效控制识别时间，节省识别成本，提高了通信信号识别效果。

3 结束语

本文为了提高通信信号识别效果，以粗糙集理论为基础，提出全新的通信信号识别方法，基于粗糙集理论构建的模型更加稳定。本文以分类识别为主，根据通信信号特征不同，把通信信号划分为不同种类的通信信号类型，测试基于粗糙集构建的通信信号识别方法的正确率以及识别时间。本文在实验过程中发现，有很多因素会影响到通信信号识别，在实验中没有控制好影响因素，实验结果会产生一定的误差，希望在下一次研究中着重分析影响因素，设置一个相对稳定的实验环境，从多层面对通信信号进行识别。