[發明專利]一種基于機器學習的調制方式參數盲檢方法及裝置

有效

• 申請號: 201810689793.0
• 申請日: 2018-06-28
• 公開（公告）號: CN108900454B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 程凱;張寧波;康桂霞
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04L27/00
• 分類號: H04L27/00;H04L1/00
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;馬敬

1.一種基于機器學習的調制方式參數盲檢方法，其特征在于，所述方法應用于終端，所述方法包括：

獲取第一待檢信號的星座圖數據，和預先存儲的對應于預設的第一干擾設備的第一備選合成星座序列，其中，所述第一待檢信號至少包括所述第一干擾設備的干擾信號、以及目標設備的目標信號，所述第一備選合成星座序列包括多個第一備選合成星座、以及所述多個第一備選合成星座的排列順序，所述第一備選合成星座由預先存儲的目標信號的調制方式，以及預先存儲的干擾設備的候選調制方式集合確定；

通過預先存儲的特征提取算法，根據所述第一備選合成星座序列和所述星座圖數據，確定所述第一待檢信號的第一特征向量；

根據預先存儲的特征映射算法和所述第一特征向量，確定所述第一特征向量對應的第二特征向量，其中，所述特征映射算法至少包括完全多項式映射、以及部分多項式映射；

通過所述第二特征向量、預先存儲的所述第一待檢信號的特征元素以及預先存儲的分類模型，確定所述第一干擾設備的調制方式，其中，所述第一待檢信號的特征元素至少包括所述第一待檢信號的第一信噪比；

其中，所述通過預先存儲的特征提取算法，根據所述第一備選合成星座序列和所述星座圖數據，確定所述第一待檢信號的第一特征向量，包括：

針對所述第一備選合成星座序列中的每個所述第一備選合成星座，獲取該第一備選合成星座中的合成星座點的個數N，其中，所述N是自然數；

根據所述N個合成星座點，將所述星座圖數據劃分為所述N個數據集合；

基于所述第一待檢信號的所述N個數據集合，使用正態分布檢驗Anderson-DarlingTest，計算得到對應的所述N個特征值，其中，所述特征值包括概率值或概率值的平方和均值；

計算所述N個所述特征值的平均特征值，其中所述平均特征值是所述N個所述特征值的平均值；

根據各所述第一備選合成星座對應的所述平均特征值，構成所述第一特征向量，所述第一特征向量中各平均特征值的排列順序，與其對應的第一備選合成星座在所述第一備選合成星座序列中的排列順序相同；

其中，所述通過所述第二特征向量、預先存儲的特征元素以及預先存儲的分類模型，確定所述第一干擾設備的調制方式，包括：

獲取所述第一待檢信號的第一信噪比；

在預先存儲的模型數據組中，確定與所述第一信噪比滿足預設接近度條件的目標信噪比，并將所述目標信噪比對應的模型參數作為目標模型參數，其中，所述模型數據組包括多個第二信噪比、以及每個所述第二信噪比對應的模型參數；

根據所述目標模型參數和預設的初始模型，建立分類模型，其中，所述分類模型至少包括邏輯回歸、支持向量機或神經網絡；

根據所述分類模型和所述第二特征向量，確定所述第一待檢信號的第一聯合調制階數；

根據所述第一聯合調制階數，和第一聯合調制方式對應的第二聯合調制階數，確定所述第一干擾設備的調制方式的調制階數，其中，所述第一聯合調制方式對應所述第一備選合成星座序列；

根據所述第一干擾設備的調制方式的調制階數，確定所述第一干擾設備的調制方式。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取預先存儲的訓練集，其中，所述訓練集包括多個待檢信號樣本、各所述待檢信號樣本對應的星座圖數據、各干擾設備的干擾信號的調制方式、所述目標信號的調制方式、以及該所述待檢信號樣本的第二信噪比；

根據所述訓練集和預先存儲的訓練算法，確定所述模型數據組。