基于知识图谱和Softmax回归的干扰信号识别方法

随着信息技术的发展,未来移动通信系统将是地海空一体化的综合性网络,因此通信系统所面临的干扰情况将异常复杂,这将导致干扰信号的识别与抑制任务更具有挑战性。针对此问题,文中提出一种基于知识图谱和Softmax回归的干扰信号识别方法。该方法首先构建干扰信号识别的专家知识图谱并利用TransR算法将其嵌入到低维向量空间中;然后,提取出每个干扰信号的多维特征并做归一化处理,将这些归一化特征值作为Softmax回归模型的输入,从而提高Softmax回归算法对干扰信号识别的准确率。仿真结果表明,对于典型的干扰样式,文中方法比基于Softmax回归和基于BP神经网络的干扰信号识别方法具有更好的识别性能。

肥心病心音时频杂波特征提取识别算法研究

为了便捷有效地识别肥心病与正常心音,提出了基于心音信号的时频域(TFD)特征提取新方法。综合应用小波变换与主成分分析对信号进行降噪预处理;基于变频同态滤波(FCHF)提取信号的时域包络,进行分割定位,提取收缩期杂音能量E_s与舒张期杂音能量E_d;通过谱估计提取心杂音缩放因子(SF)对时域E_s与E_d进行加权处理,提出用于表征肥心病心杂音的量化指标。对100例正常心音和181例肥心病心音进行分类,验证提出量化指标的有效性,平均识别准确率可达92.97%,最优识别正确率可达95.37%,结果表明提取的特征能有效识别正常心音与肥心病心音。算法提出的量化指标能够有效表征肥心病病理性特征,研究提出的心杂音量化指标提取算法为肥心病心音的分类识别提供技术基础。