%0 Journal Article
%A 李书芳
%A 马跃
%A 田昊旻
%A 尹良
%T 基于对信号功率谱拟合特征提取的信号识别方法
%D 2018
%R 10.13190/j.jbupt.2017-183
%J 北京邮电大学学报
%P 114-118
%V 41
%N 2
%X 针对通信信号业务种类识别问题，提出利用机器学习领域的线性回归算法和多项式拟合模型提取信号功率谱的多项式拟合因子作为信号的统一特征来构建训练集，并在深度学习平台keras上构建了全连接的神经网络分类器模型.相比传统的方法，新方法具有对无线电信号统一表征而无需对业务逐个提取个性化特征的优点.选取实际无线电监测数据中的码分多址（CDMA）上行、CDMA下行、增强型全球移动通信系统（EGSM）上行、EGSM下行、无线局域网（WLAN）以及长期演进（LTE）6种信号的功率谱数据作为数据集，通过验证得到了97%的分类准确率，并证明了该方法的可行性.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2017-183