基于复杂电磁环境下通信信号的分选模型与算法
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于复杂电磁环境下通信信号的分选模型与算法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘要】 当前，在科技高度发展的背景之下，存在着越来越多的新技术被应用到现代战争当中，所以现代战争的形势已经有着新的变化，极为强调电子侦察的重要性。在本文的研究之下，笔者主要立足于这一宏观背景，结合相关实践经验，分析了在复杂电磁环境下通信信号的分选模型与算法。
【关键词】 复杂电磁环境 通信信号 分选模型 算法
目前，电磁环境极其复杂，其中充斥着各种通信信号与雷达信号，再加上地理环境的影响，使得电磁环境愈来愈复杂。因此，在建模的时候，需要考虑到电磁环境的复杂性，制定出来合理的信号。从某种程度上来说，贴近实际的数学模型是分选算法成功的关键所在。
一、通信信号调制识别算法定制
1.1 通信信号调制识别方法概述
关于通信信号的调制识别，一般来说所采用的思路，首先是将接收到的信号进行变频，然后通过简单的运算的出来信号的三个基本参数：瞬时幅度、瞬时相位、瞬时频率，而其他相关的参数也基本上是在这三个基本参数之上得到的。
伴随着当中空间电磁环境的不断复杂化，信息技术的发展也呈现出来一个新的局面，这就使得通信信号的类型随之在不断增多，信道的保密性也提升起来。因此，从宏观层面上来看，在面对诸多信号类型的时候，更低的信噪比之下的识别算法是今后调制样式识别的一个重要的发展方向。
前，比较实用的方法就是调制识别算法，其中选取的瞬时幅度和相位的算法等方面，采用的更为广泛，其他的特征参数，虽然在识别效果上具有一定的优势，但是运算量比较大，并不利于实时处理。所以，综合来考虑，应当选测瞬时幅度、相位和频率来作为特征参数。
1.2 信号瞬时特征参数求解需要注意的问题
为了尽可能避免若断信噪比差，从而对于特征值提取带来影响，在采用非弱段信号提取特征参数，以及进行载频估计的时候，需要进行特殊地处理，譬如说可以选择非弱信号段，因此，这就成为问题的关键所在。如果选择数字太低，那么就不会产生显著的效果，如果选择的太高，那么就会丢失原有的相位信息[1]。
二、核模糊聚类分选模型与算法
就核模糊聚类算法本身而言，其具有较好的分辨、提取和放大细微特征，也能够表现出来一定的优势。这种算法需要对于定聚类数目C进行事先设定，也正是因为如此，会对于算法的实际性能与通用程度带来一定的影响[2]。因此可以看出来，聚类质量和数目之间有着密切的关系。如果C值较大，那么就会使得聚类结果更加复杂化，难以得到解释和分析，如果C值过小，那么就会使得信息收到损失，导致最终决策的失误。在对于这一算法进行推广的过程当中，尤其需要提到的就是有效性评价函数。事实上，针对经典模糊聚类，比较有名的是Xie-Beni的VXB指标，这一指标通常采用紧致性来对类内的内聚程度进行评价。在前人的研究当中，对于多种信号的特征数据集进行聚类分析的研究有很多，在进行对比之后，能够看出来，核模糊聚类算法对于信号的类别数都能够做出来正确的识别和分类，并且能够通过聚类中心的数值发现新增加的信号。而从前人的仿真实验结果上来看，聚类算法在信号识别当中的潜力是非常明显的，一方面，其能够用来对于信号的种类进行确定，另一方面，还能够挖掘出来未知的信号。尤其需要注意的是，聚类算法对于信号的种类能够进行分析，但是不能够识别出来新信号的调制方式，所以对于信号的调制方式，需要进一步分析。
三、复杂电磁环境下通信信号分选模型与算法的发展展望
首先，应当对于信号源特征库进行一个良好地完善，从而对于信号进行一个更为准确地识别，在必要的时候，可以利用已有的信号源特征库进行匹配，这样一来，就能够有效进行信号识别。对于未知辐射源信号，应当建立健全相应的特征档案，将其投入到使用当中来，如果切实有效，那么就可以对其进行整齐，并将其制成模板，方便以后使用[3]。
其次，在对于相关聚类算法进行研究的过程当中，应当对于数据结构进行分析，譬如说信号源数据是线性分布还是球形分布等，因为不同算法对于不同的数据结构适应性差异比较大。此外，为了能够研究出来更为合理的聚类有效性指标，可以寻找哪种不依赖于数据集结构进行区分的指标[4]。
四、结语
在本文的研究过程当中，主要目的是在复杂电磁环境之下，对于信号进行提取和调制，这E个研究也是一个探索的过程，所以其中所涉及到的一些算法仍处于探索的过程当中。在以后的研究当中，将更多的从现实环境当中进行数据的采集，以此来保证研究结果的针对性与现实意义。
参 考 文 献
[1]柳佳. 复杂电磁环境下的雷达信号分选算法研究[D]. 哈尔滨工程大学， 2015.
[2]史战果. 复杂电磁环境下的通信抗干扰技术研究[D]. 上海交通大学， 2012.
[3]易冰歆， 凌万胜. 复杂电磁环境下雷达信号分选技术[J]. 电子信息对抗技术， 2014（6）：57-59.