[發明專利]基于HSCA提取通信信號特征的調制識別方法

有效

• 申請號: 201811300069.0
• 申請日: 2018-11-02
• 公開（公告）號: CN109450835B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 李林;趙永霞;張文博;臧博;姬紅兵
• 申請（專利權）人: 西安電子科技大學昆山創新研究院
• 主分類號: H04L27/00
• 分類號: H04L27/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于希爾伯特-施密特成分分析HSCA提取通信信號特征的調制識別方法，其特征在于，利用希爾伯特-施密特成分分析HSCA算法，提取歸一化后的通信信號矩陣的特征，實現模擬信號的調制識別、幅移鍵控信號的調制識別以及頻移鍵控信號的調制識別，該方法的步驟包括如下：

(1)獲取歸一化后的通信信號矩陣：

對接收到的每個采樣時刻的通信信號進行歸一化處理，將所有采樣時刻的歸一化后的通信信號組成矩陣；

(2)設置參數：

(2a)按照下式，計算靜態矩陣：

其中，H表示靜態矩陣，a表示m階單位矩陣，m表示歸一化后的通信信號矩陣的列數；

(2b)用歸一化后的通信信號矩陣依次與轉置后的靜態矩陣、靜態矩陣、轉置后的歸一化后的通信信號矩陣相乘，得到輸入輸出關系矩陣；

(2c)用n階單位矩陣表示輸入輸出最大關系矩陣，其中n表示歸一化后的通信信號矩陣的行數；

(3)利用希爾伯特-施密特成分分析HSCA算法，提取歸一化后的通信信號的特征：

(3a)利用二次迭代方法，得到投影矩陣；

(3b)用轉置后的歸一化后的通信信號矩陣與投影矩陣相乘，得到特征矩陣；

(3c)將特征矩陣中第1列元素的值作為歸一化后的通信信號的第1個特征，將特征矩陣中第2列元素的值作為歸一化后的通信信號的第2個特征；

(4)對模擬信號進行調制識別：

(4a)將特征矩陣中的第2列元素的值大于特征矩陣中的第2列元素的最大值的的模擬信號，識別為頻率調制信號；

(4b)將特征矩陣中的第2列元素的值小于等于特征矩陣中的第2列元素的最大值的并且特征矩陣中的第1列元素的值大于特征矩陣中的第1列元素的最大值的的模擬信號，識別為幅度調制信號；

(4c)將特征矩陣中的第2列元素的值小于等于特征矩陣中的第2列元素的最大值的并且特征矩陣中的第1列元素的值小于等于特征矩陣中的第1列元素的最大值的的模擬信號，識別為相位調制信號；

(5)對幅移鍵控信號進行調制識別：

(5a)將特征矩陣中的第1列元素的值小于特征矩陣中的第1列元素的最大值的的幅移鍵控信號，識別為十六進制幅移鍵控信號；

(5b)將特征矩陣中的第1列元素的值大于等于特征矩陣中的第1列元素的最大值的并且特征矩陣中的第1列元素的值小于特征矩陣中的第1列元素的最大值的的幅移鍵控信號，識別為八進制幅移鍵控信號；

(5c)將特征矩陣中的第1列元素的值大于等于特征矩陣中的第1列元素的最大值的并且特征矩陣中的第1列元素的值小于特征矩陣中的第1列元素的最大值的的幅移鍵控信號，識別為四進制幅移鍵控信號；

(5d)將特征矩陣中的第1列元素的值大于等于特征矩陣中的第1列元素的最大值的的幅移鍵控信號，識別為二進制幅移鍵控信號；

(6)對頻移鍵控信號進行調制識別：

(6a)將特征矩陣中的第2列元素的值大于將特征矩陣中的第2列元素的最大值的的頻移鍵控信號，識別為四進制頻移鍵控信號；

(6b)將特征矩陣中的第2列元素的值小于等于將特征矩陣中的第2列元素的最大值的并且特征矩陣中的第1列元素的值大于特征矩陣中的第1列元素的最大值的的頻移鍵控信號，識別為二進制頻移鍵控信號；

(6c)將特征矩陣中的第2列元素的值小于等于將特征矩陣中的第2列元素的最大值的并且特征矩陣中的第1列元素的值小于等于特征矩陣中的第1列元素的最大值的的頻移鍵控信號，識別為八進制頻移鍵控信號。

2.根據權利要求1所述的基于希爾伯特-施密特成分分析HSCA提取通信信號特征的調制識別方法，其特征在于，步驟(1)中所述的歸一化處理是按照下式進行的：

其中，ω_i表示第i個采樣時刻歸一化后的通信信號，x_i表示第i個采樣時刻截獲的通信信號，max表示取最大值操作。

3.根據權利要求1所述的基于希爾伯特-施密特成分分析HSCA提取通信信號特征的調制識別方法，其特征在于，步驟(3a)中所述的二次迭代方法的步驟如下：

第一步，按照下式，計算每次迭代的特征值矩陣：

|M-D_d×N|＝0

其中，|·|表示行列式符號，M表示輸入輸出關系矩陣，D_d表示第d次迭代的特征值矩陣，d＝1,2，N表示輸入輸出最大關系矩陣；

第二步，按照下式，計算每次迭代的特征向量矩陣：

(M-D_d×N)×V_d＝0

其中，V_d表示第d次迭代的特征向量矩陣；

第三步，確定每次迭代的特征值矩陣D_d對角線上元素的最大值，找出特征向量矩陣V_d中與該最大值所在列對應的一個列向量，以該列向量作為每次迭代的投影向量；

第四步，按照下式，更新輸入輸出最大關系矩陣：

N₁＝X×H×X^T×p₁×p₁^T×X×H×X^T+λ×N

其中，N₁表示更新后的輸入輸出最大關系矩陣，X表示歸一化后的通信信號矩陣，T表示轉置操作，p₁表示第1次迭代的投影向量，λ表示數值為0.00001的靜態平滑系數,N表示更新前的輸入輸出最大關系矩陣；

第五步，以第1次迭代的投影向量作為投影矩陣的第1列，以第2次迭代的投影向量作為投影矩陣的第2列，組成投影矩陣。