基于小波和分形的跳频信号分类识别研究梁颖1，周亚建1，郭玉翠2**（1.北京邮电大学信息安全中心，北京100876；5102.北京邮电大学理学院，北京100876）摘要：扩频通信是目前军用电台的常见通信方式，采用扩频技术能够有效地降低通信信号被侦测的概率，减少敌方电磁干扰的影响。但是对于跳频信号的特征提取和信号识别目前大多还处于理论阶段，本文提出小波变换和分形理论相结合的方式，采用实测信号，首先将跳频信号进行小波变换，然后提取变换后的细节信号的分形特征，以此作为支撑向量机的向量输入，进行跳频信号的分类识别。实验证明此方法在识别率上比常规方法有所提高，同时也证明采用小波和分形理论结合的方法研究跳频信号是可行的。关键词：跳频信号；特征提取；小波变换；分形理论中图分类号：TN914.4315AMethodOfHoppingSignalClassificationAndRecognitionLIANGYing1,ZHOUYajian1,GUOYucui2(1.BeijingUniversityofPostsandTelecommunications,InformationSecurityCenter,Beijing2025303540100876;2.BeijingUniversityofPostsandTelecommunications,InformationSecurityCenter,Beijing100876)Abstract:Spreadspectrumcommunicationisacommonmeansofmilitaryradio.SpreadSpectrumtechnologycaneffectivelyreducetheprobabilityofthecommunicationsignalisdetected,reducingtheenemy'selectromagneticinterference.Butforhoppingsignalfeatureextractionandsignalrecognitioncurrentlyarestillinthetheoreticalstage.Thispaperproposesamethodwhichcombinesthewavelettransformwiththefractaltheory,usingtherealsignal,wavelettransformandextractthetransformedfractaldetailsignal,asasupportvectormachinevectorinput.Thismethodprovedrecognitionratebetterthanconventionalmethods,alsoprovedthismethodforfrequency-hoppingsignalisfeasible.Keywords:HoppingSignal;FeatureExtraction;WaveletTransform;FractalTheory0引言跳频扩频技术是最有成效的通信抗干扰技术之一，分析和处理方式与普通信号有很大不同。随着跳频技术的发展，跳频电台的跳频速率越来越快，带宽越来越宽，给跳频信号的研究带来极大的困难。目前国内外研究侧重于对跳频信号的检测和对相关参数的估计，对跳频电台的识别鲜有涉及。文献[1]采用MUSIC方法利用信号方向信息对跳频信号进行分选。文献[2]结合改进的KHM算法和聚类个数估计方法，利用信号持续时间、方位信息和功率，对跳频信号进行分选，但是这种方法对于二类间有交迭的情况不适用。文献[3]提出了一种基于发射机功率放大器瞬态响应过程的跳频电台个体分选方法，实验结果表明瞬态信号分析在电台指纹提取中是有重要作用的，但他采用的是Matlab仿真数据，与实测数据毕竟不同。这些研究与真正的跳频电台识别还有很大的距离。作者简介：梁颖（1989-），女，硕士研究生，信息安全通信联系人：周亚建（1971-），男，副教授，信息安全.yajian@bupt.edu.cn-1-ftadt其中是的傅里叶变换，aLR上，小波变换的变换因子是连续小波函数：小波变换是一种窗口大小固定但其形状可改变，时间窗和频率窗都可改变的时频局部化455055分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，可以聚焦到信号的任意细节，对信号有很强的自适应性。分形是对没有特征长度但具有一定意义下的自相似图形和结构的总称，它具有精细结构和在近似或统计意义下的某种自相似性，因此分形理论是研究非平稳信号波形复杂度的一个有力工具。分形维数是分形理论中主要的参数，其中，盒维数反映了分形集的几何尺度情况，信息维数反映分形集在分布上的信息。信号波形包含了它们在几何、分布疏密上的信息，所以把信号分形集的维数作为分类识别的特征是有可能的。分形维数(尤其是盒维数和信息维数)、Lempel-Ziv复杂度(LZC)常用于特征提取的研究...