基于聚类分析的调频广播信号识别方法研究

摘要

随着国民经济和国防建设的飞速发展，无线电频谱资源已经成为稀缺的战略资源。调频广播（Frequency Modulation Broadcast）是无线电技术的重要应用，在丰富人们生活、保障交通安全、灾害搜救等方面起着重要作用。针对调频广播信号使用过程中出现的干扰以及非法使用等问题，本文提出了一种基于聚类分析的调频广播信号识别方法。
　　不同于广播信号语音识别（Auto Speech Recognize），本文方法在调频广播信号的频域上，通过中频测量获取调频广播信号的实测带宽、信号强度和频域波形等详细的信息，完成对中频测量数据的特征提取。使用基于密度的聚类分析思想进行调频广播信号识别，并且进一步用于“黑广播”的发现中。鉴于聚类分析算法本身优良性质，本文提供的实测实验结果表明基于密度的聚类分析方法比传统的图形匹配更适合应用于调频广播信号的识别。本文主要的研究工作如下：
　　1、数据的预处理和特征提取：针对广播频段各个频点不同时刻频谱形状的差异，提取均值、方差、短时平均能量、归一化峰度、峭度、零中心归一化绝对值的标准差六个特征，缩减待识别数据维数，提高识别效率，减少计算量，尽可能集中表征中频测量数据显著类别差异。实测实验结果表明上述六个特征适用于对调频广播信号的识别。
　　2、基于聚类分析的调频广播信号识别：首先对本文使用的基于密度的聚类分析方法进行了详细描述，结合本文待处理问题的特点，提出标准化欧式距离并用于基于密度的聚类分析方法中，通过实测实验验证了提出的改进方法可在频域上对静音、音乐和话音信号进行有效识别。
　　3、“黑广播”发现：采集整点时刻的调频广播中频测量数据，提取上述六个特征，计算标准化欧氏距离，运用本文基于密度的聚类分析方法对数据进行聚类分析，分别确定合法调频广播及“黑广播”的聚类中心并用于信号识别，实验结果表明该方法可以有效地识别合法调频广播和“黑广播”。

目录

声明

1 绪论

1.1 研究的背景及意义

1.2国内外研究现状

1.3本文研究内容和论文结构

2 中频测量数据的采集和预处理

2.1 中频测量

2.2特征提取目的及原则

2.3调频广播信号特征选择

2.4实例分析

2.5本章小结

3 基于聚类分析的调频广播信号识别

3.1基于密度的聚类分析

3.2基于密度的聚类分析的改进

3.3 本章小结

4 固定频点的调频广播信号的识别

4.1不同类型调频广播信号识别

4.2 对比实验

4.3一天中频测量数据的处理研究

4.4 本章小结

5 整点时刻的调频广播信号识别

5.1 三种不同的整点报时方式

5.2 “黑广播”面临的问题

5.3 实验分析

5.4本章小结

6 总结和展望

参考文献

攻读硕士学位期间发表的论文及科研成果

致谢