由于对信号特征参数的提取目标缺乏针对性会导致特征分离精度较低,为此,提出了一种无线网络入侵干扰信号特征分离方法,建立了以短时傅里叶变换(Short-Time F ourier Transform,STFT)为基础的多源基函数。该方法将高频突发分量和长周期...由于对信号特征参数的提取目标缺乏针对性会导致特征分离精度较低,为此,提出了一种无线网络入侵干扰信号特征分离方法,建立了以短时傅里叶变换(Short-Time F ourier Transform,STFT)为基础的多源基函数。该方法将高频突发分量和长周期内的准平稳分量作为观测指标,在网络环境内,对信号断续和偏离量化处理,以此为基础对干扰信号的数学逻辑进行标识,提取标识信号的时域矩偏度、时域矩峰度、包络起伏度特征参数,并利用深度卷积神经网络实现提取特征的分离。实验结果表明,所提方法对12种常见干扰信号的特征分离精度可以达到95%以上,明显优于传统方法。展开更多
文摘由于对信号特征参数的提取目标缺乏针对性会导致特征分离精度较低,为此,提出了一种无线网络入侵干扰信号特征分离方法,建立了以短时傅里叶变换(Short-Time F ourier Transform,STFT)为基础的多源基函数。该方法将高频突发分量和长周期内的准平稳分量作为观测指标,在网络环境内,对信号断续和偏离量化处理,以此为基础对干扰信号的数学逻辑进行标识,提取标识信号的时域矩偏度、时域矩峰度、包络起伏度特征参数,并利用深度卷积神经网络实现提取特征的分离。实验结果表明,所提方法对12种常见干扰信号的特征分离精度可以达到95%以上,明显优于传统方法。