METHOD FOR AUTOMATED ROBUST CLASSIFICATION RADIO SIGNALS ACCORDING TO STRUCTURE-TIME PARAMETERS

FIELD: information technology. ^ SUBSTANCE: method comprises steps where educational data are clustered based on a competition principle which enables to build a set of standard vectors of structure-time parameters of known classes of radio signals with automatic estimation of a value â for each standard vector; using these data to build a probabilistic neural network; using the built probabilistic neural network to estimate probability density distribution of known classes of radio signals in the region of an unknown (classified) signal and the unknown signal is identified with a class having the highest probability density distribution in the region of the unknown signal, characterised by that before building the probabilistic neural network. ^ EFFECT: automation and increase in robustness of the process of classifying radio signals according to structure-time parameters. Изобретение относится к технике связи и может быть использовано в системах радиомониторинга для автоматизированной классификации радиосигналов по структурно-временным параметрам. Техническим результатом изобретения является автоматизация и повышение робастности процесса классификации радиосигналов по структурно-временным параметрам. Способ включает этапы, на которых учебные данные подвергаются кластеризации, основанной на принципе конкуренции, которая обеспечивает построение набора эталонных векторов структурно-временных параметров известных классов радиосигналов с автоматической оценкой для каждого эталонного вектора значения σ, по этим данным производится построение вероятностной нейронной сети, с использованием построенной вероятностной нейронной сети производится оценка плотности распределения вероятности известных классов радиосигналов в области неизвестного (классифицируемого) сигнала и неизвестный сигнал отождествляется с классом, имеющим наиболее плотное распределение вероятности в области неизвестного сигнала.