基于Hilbert信号空间的未知干扰自适应识别方法

摘要

针对大样本下未知干扰类型的分类识别问题,该文提出一种基于信号特征空间的未知干扰自适应识别方法.首先,基于Hilbert信号空间理论对干扰信号进行处理,建立干扰信号特征空间,进而利用投影定理对未知干扰进行最佳逼近,提出基于信号特征空间的概率神经网络(PNN)分类算法,并设计了未知干扰分类识别器的处理流程.仿真结果表明,与两种传统方法相比,该方法在已知干扰的分类精度方面分别提高了12.2％和2.8％;满足条件的未知干扰最佳逼近效果随功率强度呈线性变化,设计的分类识别器在满足最佳逼近的各类干扰中总体识别率达到91.27％,处理干扰识别的速度明显改善;在信噪比达到4 dB时,对未知干扰识别准确率达到92％以上.