[發(fā)明專利]基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號(hào)調(diào)制識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710546645.9
• 申請(qǐng)日: 2017-07-06
• 公開(kāi)（公告）號(hào): CN107135176B
• 公開(kāi)（公告）日: 2019-12-27
• 發(fā)明（設(shè)計(jì)）人: 閻嘯;劉冠男;吳孝純;王茜
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): H04L27/00
• 分類號(hào): H04L27/00
• 代理公司: 51220 成都行之專利代理事務(wù)所(普通合伙)
• 代理人: 溫利平

本發(fā)明公開(kāi)了一種基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號(hào)調(diào)制識(shí)別方法。利用接收信號(hào)的三維分?jǐn)?shù)低階循環(huán)譜，將被α穩(wěn)定分布噪聲干擾的調(diào)制信號(hào)轉(zhuǎn)換到圖域上，然后可以從圖表示的稀疏鄰接矩陣中提取有效特征參數(shù)行索引序列集合作為調(diào)制類型的特征，根據(jù)訓(xùn)練信號(hào)與接收信號(hào)的行索引序列集合漢明距離，來(lái)實(shí)現(xiàn)α穩(wěn)定分布噪聲干擾下，更穩(wěn)定的更有效的通信信號(hào)調(diào)制類型的識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明屬于信號(hào)處理技術(shù)領(lǐng)域，更為具體地講，涉及一種基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號(hào)調(diào)制識(shí)別方法。

背景技術(shù)

自動(dòng)調(diào)制分類(Automatic Modulation Classification，簡(jiǎn)稱AMC)，也稱通信信號(hào)調(diào)制識(shí)別可以在很少或沒(méi)有先驗(yàn)知識(shí)的情況下識(shí)別接收信號(hào)的調(diào)制類型，是信號(hào)檢測(cè)和解調(diào)之間必不可少的一個(gè)重要步驟，并廣泛應(yīng)用于許多軍事和民用通信領(lǐng)域。

經(jīng)典自動(dòng)調(diào)制分類(AMC)方法，通常可分為兩類：(i)基于似然的(LB)決策理論方法和(ii)基于特征的(FB)模式識(shí)別(PR)方法。然而，LB的方法不可避免地會(huì)有一些缺點(diǎn)，例如缺乏閉式解，難以忍受的高計(jì)算復(fù)雜度，概率模型不匹配。FB方法的性能不是最佳的，然而它們能非常有效地實(shí)現(xiàn)，因此，許多研究利用不同的特征和不同的分類算法以追求FB方法的魯棒性能。

值得注意的是，LB方法和FB方法都是應(yīng)用在高斯噪聲信道的假設(shè)中，然而，各種各樣的研究表明，在實(shí)際的無(wú)線通信中頻道，通常是由明顯的脈沖引起的多址干擾，低頻大氣噪聲，電磁干擾等。這些物理噪聲表現(xiàn)出尖銳的脈沖特性和具有重尾的概率密度分布。根據(jù)中心極限定理，這些在無(wú)線通信系統(tǒng)中主要誤差來(lái)源的非高斯分布噪聲可以被建模為α穩(wěn)定分布噪聲。在α穩(wěn)定分布噪聲出現(xiàn)的信道中，傳統(tǒng)AMC方法性能會(huì)出現(xiàn)明顯的惡化。

基于圖域的自動(dòng)調(diào)制分類(AMC_G)第一次將AMC技術(shù)引入圖形域，并且已經(jīng)實(shí)現(xiàn)了比現(xiàn)有PR和基于LB的決策理論算法更優(yōu)的性能。但是該方法是對(duì)接收信號(hào)的二階循環(huán)譜進(jìn)行圖域映射提取圖域特征。然而在α穩(wěn)定分布噪聲中不存在二階及更高階的統(tǒng)計(jì)量，所以，現(xiàn)有的AMC_G方法在α穩(wěn)定分布噪聲中也失效，因此，新的更穩(wěn)定的更有效的適用于α穩(wěn)定分布噪聲的AMC技術(shù)亟待被發(fā)現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出一種基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號(hào)調(diào)制識(shí)別方法，以適應(yīng)α穩(wěn)定分布噪聲，實(shí)現(xiàn)更穩(wěn)定的更有效的通信信號(hào)調(diào)制類型的識(shí)別。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號(hào)調(diào)制識(shí)別方法，其特征在于，包括以下步驟：

(1)、調(diào)制類型訓(xùn)練信號(hào)的特征提取

1.1)、基于分?jǐn)?shù)低價(jià)循環(huán)譜的圖域映射

對(duì)于無(wú)噪聲的第k類調(diào)制類型的訓(xùn)練信號(hào)x^k(t)，k＝1,2,…,K，K為調(diào)制類型的類型數(shù)量；將其采樣序列劃分為L(zhǎng)段，每一段進(jìn)行一次圖域映射：

采用FAM算法((Fast Fourier transform)Accumulation Method)：FFT累加算法，用于計(jì)算循環(huán)譜密度)計(jì)算出l段訓(xùn)練信號(hào)的FLOCS(Fractional Low-Order CyclicSpectrum，分?jǐn)?shù)低階循環(huán)譜)，得到圖域集合：

其中，h＝1,2...H，表示第k類調(diào)制類型的訓(xùn)練信號(hào)的l段保留下來(lái)的循環(huán)頻率ε_h所對(duì)應(yīng)的時(shí)域平滑循環(huán)周期圖，提取出H個(gè)循環(huán)頻率ε_h所對(duì)應(yīng)的時(shí)域平滑循環(huán)周期圖的鄰接矩陣，得到鄰接矩陣集合：

其中，時(shí)域平滑循環(huán)周期圖根據(jù)以下方式得到：