一种基于PCA降维的混合型机器学习信号分类方法

摘要

本发明公开了一种基于PCA降维的混合型机器学习信号分类方法，包括以下步骤：步骤1、针对线性调频信号LFM、二相相移键控BPSK信号、二进制频移键控2FSK和四相相移键控QPSK信号，根据瞬时自相关分类方法，设置过零点个数阈值和标准差门限阈值，将LFM信号、QPSK信号与其它信号的分开；步骤2、二级分类中，针对剩余信号BPSK信号和2FSK信号采用归一化幅值占空比、归一化中心瞬时相位绝对值方差和归一化中心瞬时频率绝对值方差三个特征，并采用主成分分析PCA算法实现特征降维；步骤3、采用SVM分类器得到最优分类的目标函数，实现BPSK与2FSK信号的区分。本发明采用机器学习技术实现分类，自动化程度高，分类效果好。