【技术实现步骤摘要】
本专利技术涉及射频数据识别，尤其涉及一种识别射频数据信号的方法和系统及装置。
技术介绍
1、在早期的发展阶段，识别射频数据信号的方法主要依赖于模式匹配。这种方法通过事先构建模板库，将射频信号与模板进行匹配，从而实现信号的识别。然而，模式匹配方法对于复杂信号和噪声的容忍度较低，且需要事先构建大量的模板，对于新型信号的识别较为困难。随着机器学习和模式识别的发展，识别射频数据信号的方法逐渐采用特征提取和分类的方式。这种方法通过提取射频信号的特征，如频谱特征、时域特征和统计特征，然后利用分类算法进行信号的识别。这种方法在一定程度上提高了识别的准确性和鲁棒性，但对于复杂的信号结构和高维特征的处理仍存在挑战。随着深度学习的兴起，识别射频数据信号的方法逐渐采用深度神经网络进行建模和训练。深度学习方法通过多层次的神经网络结构，可以自动学习信号的抽象表示和特征表示，从而实现高准确性的信号识别。这种方法在许多领域取得了显著的成果，但是对于样本数据量较小和标注困难的射频信号数据，深度学习方法的性能受限。并且对复杂信号的处理能力有限，无法对复杂信号进行准确的分类和识别。
技术实现思路
1、基于此，有必要提供一种识别射频数据信号的方法和系统及装置，以解决至少一个上述技术问题。
2、为实现上述目的，一种识别射频数据信号的方法，包括以下步骤：
3、步骤s1：获取射频数据；对射频数据进行频谱分层分析，生成尺度频谱图；对尺度频谱图进行分形聚类，得到频谱分形数据；
4、步骤s2：对
5、步骤s3：对低损耗转换数据进行谱分形分析，生成功率谱分形维数；对低损耗转换数据进行峰值-带宽特征指数分析，得到峰值-带宽特征指数；基于功率谱分形维数和峰值-带宽特征指数对低损耗转换数据进行标签定义，得到射频信号标签；
6、步骤s4当功率谱分形维数大于预设的分形维数阈值，且峰值-带宽特征指数大于预设的特征指数阈值时，将射频信号标签定义为强射频信号标签，并对强射频信号标签进行频率特征模式分析，生成强标签频率变化模式；对强射频信号标签进行相位特征关联分析，得到信号相位关联性数据；基于强标签频率变化模式和信号相位关联性数据对强射频信号标签进行强信号识别，以得到强信号具体数据；
7、步骤s5：当功率谱分形维数小于预设的分形维数阈值，且峰值-带宽特征指数大小于预设的特征指数阈值时，将射频信号标签定义为弱射频信号标签，并基于预设的历史射频数据信号对弱射频信号标签进行模拟补全，生成模拟增强标签；基于模拟增强标签对弱射频信号标签进行辅助识别，以得到弱信号具体数据。
8、本专利技术通过频谱分层分析和分形聚类，可以将射频数据转化为尺度频谱图和频谱分形数据。这样的处理可以提取信号的频谱特征，并将信号按照频谱相似性进行聚类，为后续的处理和分析提供基础，通过对尺度频谱聚类簇进行频谱重构和频谱优化递进转换，可以提取各尺度子信号和低损耗转换数据。这样的处理可以将信号按照不同的频谱尺度进行分解和表示，同时减小数据损耗，有助于后续特征分析和信号处理。通过谱分形分析和峰值-带宽特征指数分析，可以计算信号的谱分形维数和峰值-带宽特征指数。这些指标可以描述信号的频谱特性和频率信息，为后续的信号分类和识别提供依据。通过基于谱分形维数和特征指数的标签定义，可以将信号进行分类和标记。这样的处理可以根据预设的阈值将信号划分为强射频信号和弱射频信号，为后续的强信号识别和弱信号补全提供基础，通过对强射频信号进行频率特征模式分析和相位特征关联分析，可以识别强信号的具体数据和特征。而对于弱射频信号，通过基于历史射频数据的模拟补全，可以增强弱信号的识别和理解能力，提供更完整的信号数据。通过多个阶段和处理步骤，从不同的角度和特征对射频数据进行分析和处理，提取信号的频谱、特征和模式，实现对射频信号的分类、识别和补全。这可以帮助在射频领域中进行信号分析、通信系统优化、干扰检测应用。因此，本专利技术通过结合信号处理、特征提取和分类识别技术，有效地处理射频数据，提取出其中的有用信息，并实现对信号的准确识别和分类，从而为射频通信系统的优化和性能提升提供了重要支持。
9、在本说明书中，提供了一种识别射频数据信号的系统，用于执行如上所述的识别射频数据信号的方法，该识别射频数据信号的系统包括：
10、频谱分形模块，用于获取射频数据；对射频数据进行频谱分层分析，生成尺度频谱图；对尺度频谱图进行分形聚类，得到频谱分形数据；
11、递进转换模块，用于对尺度频谱图进行频谱重构，得到各尺度子信号；对各尺度子信号和频谱分形数据进行频谱优化递进转换，得到低损耗转换数据；
12、标签定义模块，用于对低损耗转换数据进行谱分形分析，生成功率谱分形维数；对低损耗转换数据进行峰值-带宽特征指数分析，得到峰值-带宽特征指数；基于功率谱分形维数和峰值-带宽特征指数对低损耗转换数据进行标签定义，得到射频信号标签；
13、强信号识别模块，用于当功率谱分形维数大于预设的分形维数阈值，且峰值-带宽特征指数大于预设的特征指数阈值时，将射频信号标签定义为强射频信号标签，并对强射频信号标签进行频率特征模式分析，生成强标签频率变化模式；对强射频信号标签进行相位特征关联分析，得到信号相位关联性数据；基于强标签频率变化模式和信号相位关联性数据对强射频信号标签进行强信号识别，以得到强信号具体数据；
14、弱信号识别模块，用于当功率谱分形维数小于预设的分形维数阈值，且峰值-带宽特征指数大小于预设的特征指数阈值时，将射频信号标签定义为弱射频信号标签，并基于预设的历史射频数据信号对弱射频信号标签进行模拟补全，生成模拟增强标签；基于模拟增强标签对弱射频信号标签进行辅助识别，以得到弱信号具体数据。
15、本专利技术的有益之处在于通过频谱分层分析和分形聚类能够有效地将原始射频数据转换为更具结构和特征的尺度频谱图和频谱分形数据，使得信号特征更加清晰和可分辨，通过对尺度子信号和频谱分形数据进行频谱优化递进转换，有助于减少信号传输过程中的损耗，提高信号的质量和可靠性。根据功率谱分形维数和峰值-带宽特征指数对低损耗转换数据进行标签定义，能够有效区分出强射频信号和弱射频信号，并进行相应的识别和分类。对于强信号，可以进一步进行频率特征模式分析和相位特征关联分析，从而得到强信号具体数据，这有助于深入理解和利用强信号的信息；而对于弱信号，通过模拟增强标签和辅助识别，能够增强对其的识别能力，提高数据获取的完整性和准确性。分别针对强信号和弱信号进行了不同的处理。对于强信号，通过频率特征模式分析和相位特征关联分析，可以进一步深入了解信号的特性，并从中获取具体的数据信息。对于弱信号，通过模拟增强标签和辅助识别，可以提高对信号的识别能力，从而获得更完整的数据信息。因此，本专利技术通过结合信号处理、特征提取和分类识别技术，有效地处理射频数据，提取出其中的有用信息，并实本文档来自技高网...
【技术保护点】
1.一种识别射频数据信号的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求3所述的识别射频数据信号的方法，其特征在于，步骤S23包括以下步骤：
5.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤S3包括以下步骤：
6.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤S4包括以下步骤：
7.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤S5包括以下步骤：
8.根据权利要求7所述的识别射频数据信号的方法，其特征在于，步骤S53包括以下步骤：
9.一种识别射频数据信号的系统，其特征在于，用于执行如权利要求1所述的识别射频数据信号的方法，该识别射频数据信号的系统包括：
10.一种识别射频数据信号的装置，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的
...【技术特征摘要】
1.一种识别射频数据信号的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的识别射频数据信号的方法，其特征在于，步骤s23包括以下步骤：
5.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤s3包括以下步骤：
6.根据权利要求1所述的识别射频数据信号的方法，其特征在于，步骤s4包...
【专利技术属性】
技术研发人员：王培栋，王俊，王雪，曹斌，
申请(专利权)人：江苏智慧工场技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。