[發(fā)明專利]一種信號(hào)調(diào)制格式識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010548552.1
• 申請(qǐng)日: 2020-06-16
• 公開(kāi)（公告）號(hào): CN111865848B
• 公開(kāi)（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 劉武;羅鳴;賀志學(xué)
• 申請(qǐng)（專利權(quán)）人: 武漢郵電科學(xué)研究院有限公司
• 主分類號(hào): H04L27/00
• 分類號(hào): H04L27/00;H04L27/34
• 代理公司: 武漢智權(quán)專利代理事務(wù)所(特殊普通合伙) 42225
• 代理人: 李斯

一種信號(hào)調(diào)制格式識(shí)別方法及系統(tǒng)，涉及通信應(yīng)用領(lǐng)域，包括：接收端將N個(gè)原始接收信號(hào)經(jīng)接收處理后得到的N個(gè)符號(hào)，兩兩相減后得到多個(gè)偽信號(hào)矢量；根據(jù)所述偽信號(hào)矢量對(duì)應(yīng)的偽信號(hào)得到偽信號(hào)星座圖，將偽信號(hào)星座圖生成大小統(tǒng)一的圖像；通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)，識(shí)別出所述圖像對(duì)應(yīng)的原始接收信號(hào)所采用的調(diào)制格式；通過(guò)少量接收信號(hào)識(shí)別各種高階調(diào)制格式，能在信道快速變化或數(shù)據(jù)量有限的條件下獲得很高的識(shí)別成功率。

技術(shù)領(lǐng)域

本發(fā)明涉及通信應(yīng)用領(lǐng)域，具體來(lái)講涉及一種信號(hào)調(diào)制格式識(shí)別方法及系統(tǒng)。

背景技術(shù)

為應(yīng)對(duì)頻譜資源日益短缺的問(wèn)題，在室內(nèi)通信場(chǎng)景下更傾向于使用諸如可見(jiàn)光、毫米波之類的光無(wú)線技術(shù)。典型的光無(wú)線通信場(chǎng)景下，信道SNR(Signal Noise Ratio，信噪比)并不平坦，多用戶、信道衰落、非視距等因素更增加了系統(tǒng)的復(fù)雜性。為有效利用和管理信道，通常采用諸如信道均衡、DMT(Discrete Multi Tone，離散多音頻技術(shù))等技術(shù)，同時(shí)服務(wù)多個(gè)用戶，提高系統(tǒng)通信容量。為應(yīng)對(duì)信道衰落還使用諸如Bit-loading等技術(shù)，通過(guò)動(dòng)態(tài)調(diào)整各子載波的調(diào)制格式，在不同SNR條件下實(shí)現(xiàn)最低誤碼率。因此，在光無(wú)線通信中復(fù)雜的信道條件下，接收端動(dòng)態(tài)識(shí)別信號(hào)的調(diào)制格式對(duì)于頻譜管理、干擾識(shí)別、竊聽(tīng)等應(yīng)用都非常重要，成為光無(wú)線通信中的一個(gè)重要研究問(wèn)題。

傳統(tǒng)的調(diào)制格式分類方法可歸為兩大類：一種是基于最大似然(MaximumLikelihood，ML)算法，一類是基于特征分類方法。最大似然算法比較接收信號(hào)和已知調(diào)制格式信號(hào)的相似度來(lái)判決調(diào)制格式；而特征分類方法通過(guò)從信號(hào)觀察值中提取出信號(hào)特征進(jìn)行判決。已有的特征分類方法中，諸如支持向量機(jī)(Support Vector Machine，SVM)、累積量(Cumulants)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)等多種方法都能獲得較高的識(shí)別正確率。基于特征提取的方法都需要足夠的樣本才能準(zhǔn)確反應(yīng)出其統(tǒng)計(jì)特征，但在實(shí)際應(yīng)用當(dāng)中，更多的接收信號(hào)增加了計(jì)算量和信號(hào)延遲，在光無(wú)線復(fù)雜變化的信道條件中，甚至難以獲取可供識(shí)別的足夠信號(hào)，因此更希望基于短時(shí)間內(nèi)接收到的更少數(shù)據(jù)進(jìn)行調(diào)制格式識(shí)別。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的在于提供一種信號(hào)調(diào)制格式識(shí)別方法及系統(tǒng)，通過(guò)少量接收信號(hào)識(shí)別各種高階調(diào)制格式，能在信道快速變化或數(shù)據(jù)量有限的條件下獲得很高的識(shí)別成功率。

為達(dá)到以上目的，一方面，采取一種信號(hào)調(diào)制格式識(shí)別方法，包括：接收端將N個(gè)原始接收信號(hào)經(jīng)接收處理后得到的N個(gè)符號(hào)，兩兩相減后得到多個(gè)偽信號(hào)矢量；根據(jù)所述偽信號(hào)矢量對(duì)應(yīng)的偽信號(hào)得到偽信號(hào)星座圖，將偽信號(hào)星座圖生成大小統(tǒng)一的圖像；通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)，識(shí)別出所述圖像對(duì)應(yīng)的原始接收信號(hào)所采用的調(diào)制格式。

優(yōu)選的，所述接收端接收N個(gè)原始接收信號(hào)，接收處理后得到N個(gè)符號(hào)，兩兩相減后得到N(N-1)個(gè)偽信號(hào)矢量，所述偽信號(hào)矢量對(duì)應(yīng)N個(gè)符號(hào)之間的矢量連線。

優(yōu)選的，所述接收端保存有具有N個(gè)符號(hào)的列表，以及N²個(gè)偽信號(hào)矢量的列表；所述具有N個(gè)符號(hào)的列表可動(dòng)態(tài)更新；當(dāng)新接收一個(gè)符號(hào)時(shí)，第N+1個(gè)符號(hào)與前N個(gè)符號(hào)兩兩相減生成N個(gè)新的偽信號(hào)矢量；所述N個(gè)符號(hào)的列表中最舊的符號(hào)被刪除，以其為端點(diǎn)的N個(gè)偽信號(hào)矢量也被刪除；新接收的符號(hào)添加到所述N個(gè)符號(hào)的列表最后，新生成的N個(gè)偽信號(hào)矢量添加到偽信號(hào)集中。

優(yōu)選的，根據(jù)所述偽信號(hào)矢量對(duì)應(yīng)的偽信號(hào)得到偽信號(hào)星座圖，將偽信號(hào)星座圖生成大小統(tǒng)一的圖像，具體包括：

對(duì)偽信號(hào)進(jìn)行歸一化，將歸一化后的偽信號(hào)按坐標(biāo)劃分到不同的像素區(qū)域，對(duì)每個(gè)像素區(qū)域內(nèi)的符號(hào)數(shù)量進(jìn)行統(tǒng)計(jì)，各像素區(qū)域內(nèi)的累計(jì)值再除以所有各區(qū)域中符號(hào)數(shù)量的最大值，再乘以256，得到一幅大小統(tǒng)一的M×M個(gè)像素的灰度圖像。

優(yōu)選的，所述深度學(xué)習(xí)網(wǎng)絡(luò)采用人工神經(jīng)網(wǎng)絡(luò)。

另一方面，提供一種信號(hào)調(diào)制格式識(shí)別系統(tǒng)，包括：