本申請適用于無線通信技術領域，提供了一種干擾類型識別方法、裝置、終端設備及介質。其中該方法通過獲取待識別導航信號數據的基帶數字信號數據；對基帶數字信號數據的能量占比特征進行降維，得到低維基帶數字信號數據；從低維基帶數字信號數據中隨機抽取低維基帶數字信號，得到訓練樣本集；基于每個訓練樣本構建決策樹，并根據所有決策樹構建隨機森林分類識別模型；將每個決策樹每個節點上占比最大的干擾類型作為該節點的干擾類型，并根據該決策樹上所有節點的干擾類型，確定該決策樹對應的干擾類型分類結果；根據相對多數投票法則確定待識別導航信號數據中干擾信號的干擾類型。本申請能夠識別不同的干擾類型。申請能夠識別不同的干擾類型。申請能夠識別不同的干擾類型。
【技術實現步驟摘要】
干擾類型識別方法、裝置、終端設備及介質
[0001]本申請屬于無線通信
，尤其涉及一種干擾類型識別方法、裝置、終端設備及介質。
技術介紹
[0002]衛星導航接收機接收衛星播發的導航信號實現定位，導航信號從衛星傳播到地面接收機的過程中，會受到各種電磁波干擾，這些電磁波可能是其他電子設備產生的無意干擾，也可能是專門針對導航信號的人為惡意干擾。這些干擾嚴重時將導致接收機無法正常定位。常見的電磁波干擾根據信號頻譜特性的不同可以分為單頻干擾、掃頻干擾、窄帶干擾等。
[0003]目前對于干擾的檢測和識別主要是基于事后處理，采集到導航信號后變換到頻域，根據頻譜特性，人為判斷干擾的類型，并沒有在接收機中實時進行干擾類型識別的方法。
[0004]隨著高精度定位在智能汽車領域應用越來越廣泛，對各種復雜電磁環境中的定位可靠性要求越來越高，對于干擾類型的實時檢測和識別至關重要，只有正確檢測和識別出干擾類型，才能對應采用有效的抗干擾算法，達到最優的抗干擾效果。但是目前的干擾類型識別方法無法識別不同的干擾類型。
技術實現思路
[0005]本申請實施例提供了一種干擾類型識別方法、裝置、終端設備及介質，可以解決干擾類型識別方法無法識別不同的干擾類型的問題。
[0006]第一方面，本申請實施例一種干擾類型識別方法，包括：
[0007]獲取待識別導航信號數據的基帶數字信號數據；
[0008]對基帶數字信號數據的能量占比特征進行降維處理，得到低維基帶數字信號數據；低維基帶數字信號數據包括多個低維基帶數字信號；
[0009]從低維基帶數字信號數據中多次隨機抽取低維基帶數字信號，并將每次抽取到的預設數量的低維基帶數字信號的能量占比特征作為一訓練樣本，得到訓練樣本集；訓練樣本集包括多個訓練樣本；
[0010]構建隨機森林分類識別模型；隨機森林分類識別模型包括基于每個訓練樣本構建的決策樹；
[0011]分別針對每個訓練樣本的決策樹，將該決策樹每個節點上占比最大的干擾類型作為該節點的干擾類型，并根據該決策樹上所有節點的干擾類型，確定該決策樹對應的干擾類型分類結果；
[0012]根據相對多數投票法則從多個干擾類型分類結果中確定待識別導航信號數據中干擾信號的干擾類型。
[0013]可選的，獲取待識別導航信號數據的基帶數字信號數據，包括：
[0014]對待識別導航信號數據進行下變頻處理，并對下變頻處理結果進行AD轉換得到基帶數字信號數據A；其中，A＝{a1,a2,...,a
i
,...,a
n
}，a
i
表示所有n個基帶數字信號中的第i個基帶數字信號，i＝1,2,...,n。
[0015]可選的，對基帶數字信號數據的能量占比特征進行降維處理，得到低維基帶數字信號數據，包括：
[0016]根據基帶數字信號數據A構建變換矩陣T；
[0017]通過計算公式B＝T
T
*A得到低維基帶數字信號數據B。
[0018]可選的，根據基帶數字信號數據A構建變換矩陣T，包括：
[0019]計算基帶數字信號數據A的均值μ，并根據該均值對基帶數字信號數據A進行去均值處理，得到新的基帶數字信號數據A
′
；
[0020]通過計算公式Cx＝A
′
*A
′
T
得到新的基帶數字信號數據A
′
的自相關函數Cx；
[0021]通過計算公式Cx*t＝λ*t得到新的基帶數字信號數據A
′
的多個特征值λ；其中，t表示最優變換向量；
[0022]按照特征值從大到小的順序對多個特征值進行排列，得到變換矩陣T，T＝{λ1,λ2,...,λ
n
}。
[0023]可選的，分別針對每個訓練樣本的決策樹，將該決策樹每個節點上占比最大的干擾類型作為該節點的干擾類型，包括：
[0024]分別針對每個訓練樣本的決策樹上每個節點，隨機選取m個能量占比特征構建能量占比特征空間；其中，m＝log2d，d表示該訓練樣本中能量占比特征的總數量；
[0025]根據不同干擾類型的能量占比，對能量占比特征空間的多個能量占比特征進行分類，并將數量最多的能量占比特征對應的干擾類型作為該節點的干擾類型。
[0026]可選的，根據相對多數投票法則從多個干擾類型分類結果中確定待識別導航信號數據中干擾信號的干擾類型，包括：
[0027]利用相對多數投票法對每個決策樹的干擾類型分類結果進行投票，并將多個干擾類型分類結果中得票最多的干擾類型分類結果確定為待識別導航信號數據中干擾信號的干擾類型。
[0028]第二方面，本申請實施例提供了一種干擾類型識別裝置，包括：
[0029]獲取模塊，用于獲取待識別導航信號數據的基帶數字信號數據；
[0030]降維模塊，用于對基帶數字信號數據的能量占比特征進行降維處理，得到低維基帶數字信號數據；低維基帶數字信號數據包括多個低維基帶數字信號；
[0031]訓練模塊，用于從低維基帶數字信號數據中多次隨機抽取低維基帶數字信號，并將每次抽取到的預設數量的低維基帶數字信號的能量占比特征作為一訓練樣本，得到訓練樣本集；訓練樣本集包括多個訓練樣本；
[0032]構建模塊，用于構建隨機森林分類識別模型；隨機森林分類識別模型包括基于每個訓練樣本構建的決策樹；
[0033]第一識別模塊，用于分別針對每個訓練樣本的決策樹，將該決策樹每個節點上占比最大的干擾類型作為該節點的干擾類型，并根據該決策樹上所有節點的干擾類型，確定該決策樹對應的干擾類型分類結果；
[0034]第二識別模塊，用于根據相對多數投票法則從多個干擾類型分類結果中確定待識
別導航信號數據中干擾信號的干擾類型。
[0035]第三方面，本申請實施例提供了一種終端設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執行計算機程序時實現上述干擾類型識別方法。
[0036]第四方面，本申請實施例提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序被處理器執行時實現上述干擾類型識方法。
[0037]本申請的上述方案有如下的有益效果：
[0038]在本申請的一些實施例中，通過獲取待識別導航信號數據的基帶數字信號數據，然后對基帶數字信號數據的能量占比特征進行降維處理，得到低維基帶數字信號數據，再從低維基帶數字信號數據中多次隨機抽取低維基帶數字信號，并將每次抽取到的預設數量的低維基帶數字信號的能量占比特征作為一訓練樣本，然后構建隨機森林分類識別模型，并將每個決策樹每個節點上占比最大的干擾類型作為該節點的干擾類型，再根據該決策樹所有節點的干擾類型確定該決策樹的對應的干擾類型分類結果，最后根據相對多數投票法則從多個干擾類型分類結果中確定待識別導航信號數據中干擾信號的干擾類型。其中，隨機森林分類識別模型中本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種干擾類型識別方法，其特征在于，包括：獲取待識別導航信號數據的基帶數字信號數據；對所述基帶數字信號數據的能量占比特征進行降維處理，得到低維基帶數字信號數據；所述低維基帶數字信號數據包括多個低維基帶數字信號；從所述低維基帶數字信號數據中多次隨機抽取低維基帶數字信號，并將每次抽取到的預設數量的低維基帶數字信號的能量占比特征作為一訓練樣本，得到訓練樣本集；所述訓練樣本集包括多個訓練樣本；構建隨機森林分類識別模型；所述隨機森林分類識別模型包括基于每個訓練樣本構建的決策樹；分別針對每個訓練樣本的決策樹，將該決策樹每個節點上占比最大的干擾類型作為該節點的干擾類型，并根據該決策樹上所有節點的干擾類型，確定該決策樹對應的干擾類型分類結果；根據相對多數投票法則從多個干擾類型分類結果中確定所述待識別導航信號數據中干擾信號的干擾類型。2.根據權利要求1所述的干擾類型識別方法，其特征在于，所述獲取待識別導航信號數據的基帶數字信號數據，包括：對所述待識別導航信號數據進行下變頻處理，并對下變頻處理結果進行AD轉換得到所述基帶數字信號數據A；其中，A＝{a1，a2，...，a
i
，...，a
n
}，a
i
表示所有n個基帶數字信號中的第i個基帶數字信號，i＝1，2，...，n。3.根據權利要求2所述的干擾類型識別方法，其特征在于，所述對所述基帶數字信號數據的能量占比特征進行降維處理，得到低維基帶數字信號數據，包括：根據所述基帶數字信號數據A構建變換矩陣T；通過計算公式B＝T
T
*A得到所述低維基帶數字信號數據B。4.根據權利要求3所述的干擾類型識別方法，其特征在于，所述根據所述基帶數字信號數據A構建變換矩陣T，包括：計算所述基帶數字信號數據A的均值μ，并根據該均值對所述基帶數字信號數據A進行去均值處理，得到新的基帶數字信號數據A
′
；通過計算公式Cx＝A
′
*A
′
T
得到所述新的基帶數字信號數據A
′
的自相關函數Cx；通過計算公式Cx*t＝λ*t得到所述新的基帶數字信號數據A
′
的多個特征值λ；其中，t表示最優變換向量；按照特征值從大到小的順序對所述多個特征值進行排列，得到所述變換矩...
【專利技術屬性】
技術研發人員：王東會，鄭彬，向為，
申請(專利權)人：湖南北云科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。