林 伟

(陆军军官学院，合肥 230031)

通信信号的识别与分类关系密切，信号分类是信号识别的基础。然而，现代电磁环境日趋复杂，新的通信体制通信信号不断涌现，信号分类和识别难度越来越大。“分类问题”已成为人工智能中的一个重要研究方向。如何根据现代通信信号的特点，选择合适的分类方法识别通信信号已经成为一个迫切需要解决的难题。

关于分类问题，国内外许多专家都进行了广泛、深入的研究，并取得了一些可喜的成果，如贝叶斯分类、决策树分类法等。但是，贝叶斯分类必须已知先验概率和类别个数，不便用于通信信号分类［1］;由于通信信号存在不便量化的非数值型特征参数，有时不便进行神经计算，神经网络分类方法有时受到限制［2］;支持向量机是目前分类效率较高的方法，但算法复杂度相应提高，对非数值型数据处理也不合适［3］;决策树的训练耗费很大，运算复杂度太高［4］。所以，用以上一种单纯分类方法对通信信号分类不能最优。

根据通信信号特征参数的特点，给出了一种将粗糙集理论与覆盖算法的概率模型结合起来的模式分类方法，这种方法实际上是将粗糙集和覆盖算法的概率模型相结合的两级复合分类方法。第1 级分类利用粗糙集进行粗分，该理论在属性约简、消除冗余信息等方面有优势，能针对特征参数中非数值型参数简化信号属性，提取其核心属性，针对核心属性，根据分类目的进行粗分;第2 级分类借助覆盖算法概率模型细分，用覆盖算法构造神经网络，引入高斯有限混合模型，对数值型特征参数，具有良好的分类性能，能实现精确分类，对粗分后的子集进行精确分类。……