[發明專利]基于多類特征參數和證據理論的協作調制識別方法

無效

• 申請號: 201310038183.1
• 申請日: 2013-01-31
• 公開（公告）號: CN103067325A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 朱琦;辛艷雙
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L27/00
• 分類號: H04L27/00
• 代理公司: 江蘇愛信律師事務所 32241
• 代理人: 唐小紅

技術領域

????本發明涉及一種基于多類特征參數和證據理論的協作調制識別方法，屬于通信技術領域。

背景技術

????調制識別是介于信號檢測和信息解調之間的一個中間步驟，在無線通信中應用范圍很廣。通信信號的調制識別技術大致分為決策理論識別和統計模式識別，前者用概率和復合假設檢驗的觀點，獲得分類器的判決準則。該方法主要難點是如何正確地判決門限，計算復雜度也非常大。另一個是模式識別，它通過提取信號的特征參量構成特征向量，采用模式識別分類器進行信號的分類識別。該方法不需要一定的假設條件，可實現信號的盲識別，比較適合信號的處理，因此該方法應用更廣泛些。

目前模式識別中比較流行的特征提取方法有很多，如基于瞬時信息的特征提取，基于小波分解的細節特征提取，基于高階累積量的特征提取，基于分形理論的特征提取和基于信號倒譜系數的特征提取，而且很多方法還得到了改進，但很少有文章綜合利用各種方法，以達到取長補短，進一步提高總體識別率的目的。針對無線通信環境中隱節點問題，有些學者提出協作的識別方法，但相互協作的節點僅限于提取相同類型的特征參數，單一類型的特征參數表征信號的種類有限，當對某一信號識別率很低時，這種情況不會因為相互協作節點數的增加有很好的改善，因此系統平均識別率得不到提高。若將適當的不同類型的特征參數結合，選擇合適的融合規則，可使系統平均識別性能提高，還可增加系統可識別信號的種類，所以特征參數和融合規則的選擇非常重要。

?????數據融合技術就是將來自多源信息進行綜合處理，從而得到更為準確、可靠的結論。比較成熟的識別融合技術有貝葉斯法、模板法、表決法等，以及有證據推理法、神經網絡、專家系統法。在歷史上，貝葉斯理論曾是解決多數據融合的最佳方法，但是其存在嚴重缺陷：很難根據貝葉斯理論給出精確的可信度表示。作為貝葉斯理論擴充的D-S推理技術，在數據融合中得到了廣泛的應用。它的主

要特點是：滿足比貝葉斯概率理論更弱的條件；具有直接表達“不確定”和“不知道”的能力.但D-S亦有其局限性，例如在合成高度沖突的證據時，合成結果將有悖常理，為解決該問題，文獻[一種改進的證據推理組合規則]提出根據D-S提出一種新的證據理論合成公式，新的合成公式彌補了D-S?證據理論所存在的不足,使高沖突證據合成的結果更為理想。

發明內容

技術問題：本發明的目的在于提供一種基于多類特征參數和證據理論的協作調制識別方法。該方法針對已有協作識別方法中，相互協作的節點僅限于提取相同類型的特征參數，但單一類型的特征參數表征信號的種類有限，導致系統可識別信號種類非常有限的問題，提出將適當的不同類型的特征參數結合，選擇合適的融合規則，以達到不降低系統平均識別率的同時，增加系統可識別信號的種類。

技術方案：本發明給出的基于多類特征參數和改進D-S證據理論的協作調制識別方法，包含以下步驟：

a.?特征提取部分：選擇3個節點相互協作時，每個節點提取不同類型的特征參數，它們分別是基于瞬時信息的特征參數，基于小波分解細節系數和高階累積量的特征參數，基于倒譜系數的特征參數，這些特征參數可以從不同角度表征目標信號；當6個節點相互協作時，其中有兩個節點都提取基于瞬時信息的特征參數，兩個節點都提取基于小波分解細節系數和高階累積量的特征參數，剩余兩個節點都提取基于倒譜系數的特征參數；當9個節點相互協作時，其中有三個節點都提取基于瞬時信息的特征參數，三個節點都提取基于小波分解細節系數和高階累積量的特征參數，剩余三個節點都提取基于倒譜系數的特征參數；

b.?特征級融合：各節點內有以訓練好的BP神經網絡，提取的特征參數被送入該節點內的BP神經網絡進行測試，得出特征級融合結果；

c．決策級融合：特征級融合結果即神經網絡輸出直接作為證據被送往融合中心進行融合，融合規則采用一種改進的D-S證據理論組合規則，該規則可使高沖突證據合成的結果更為理想。

有益效果：為了減小無線通信環境中存在的深衰落、陰影效應和隱藏節點等問題對調制識別結果的影響，本發明提供了一種將不同類型的特征參數結合在一起，選擇D-S融合規則，可在不降低系統平均識別率的同時，增加系統可識別信號的種類。

附圖說明

圖1系統模型圖。

具體實施方式