基于小波域滤波的电子通信信道恶意干扰信号分离方法

针对电子通信信号与恶意干扰信号严重重叠的现象,设计了基于小波域滤波的电子通信信道恶意干扰信号分离方法。在分析信道特征并划分噪声种类后明确噪声信号形式,然后利用小波域滤波算法合理设置分解层数,对信号做分解重构与降噪,再利用极限学习机建立神经网络学习模型。根据干扰信号模型与信道衰减程度提取干扰信号特征,并将特征样本输入到神经网络中,直到输出分离结果。仿真结果表明:该方法能够有效去除信道噪声、降低通信误码率、均衡信道负载。

基于特征聚类的网络恶意干扰信号协同过滤

为解决网络恶意干扰信号引发的网络安全问题,提出基于特征聚类的网络恶意干扰信号协同过滤方法。基于网络恶意干扰信号特点,将包络起伏度、时域矩偏度以及时域矩峰度三者协同作为描述网络恶意干扰信号的特征,采用FCM特征聚类算法,根据每个网络恶意干扰信号特征样本点到聚类中心的欧式距离,将具有相似特征的信号样本点归为同一聚类簇,完成网络恶意干扰信号特征聚类;将特征聚类结果利用网络信号矩阵投影至特征子空间,并依据主成分分析法获取主分量特征值划分子空间为正常信号和恶意干扰信号子空间,将恶意干扰信号子空间残差信号平方预测误差与恶意干扰信号过滤阈值比较,判定恶意干扰信号并将其过滤。实验结果表明,该方法可有效过滤掉网络恶意干扰信号,得到了较为纯净网络信号,且过滤准确率高,漏判和误判的情况较少。