法律状态公告日
法律状态信息
法律状态
2020-03-24
授权
授权
2017-10-10
实质审查的生效 IPC(主分类):H04L27/00 申请日:20170414
实质审查的生效
2017-09-08
公开
公开
技术领域
本发明属于信号处理技术领域,更为具体地讲,涉及一种用于通信信号调制识别的图域特征自动构建方法。
背景技术
自动调制分类(Automatic Modulation Classification,简称AMC),也称通信信号调制识别可以在很少或没有先验知识的情况下识别接收信号的调制类型,并广泛应用于许多军事和民用通信领域。
现有AMC都是建立在信号统计的基础上,基于特征(Feature-Based,简称FB)的模式识别(Pattern Recognition,简称PR)方法和基于似然函数(Likelihood-Basedinfluence,简称LB)的决策理论识别方法都需要系统提供较高的运算能力,因而难以用于一些实时性要求较高而系统资源受限的特殊应用场合。现有通信信号调制识别方法在处理实际无线通信信号调制识别处理时性能严重恶化,实际工程应用中鲁棒性差,并且对于通信信号的调制识别,尚无一套完整的理论体系和方法。
基于图域的自动调制分类(Graph-based Automatic ModulationClassification简称AMCG)第一次将AMC引入图形域,并且已经实现了比现有PR和基于LB的决策理论算法更优的性能。该通信信号调制识别方法利用调制信号的循环谱,依据循环频率将其构建为图形域中的加权有向环,并手动记录其邻接矩阵次对角线的非零项,这些非零项的行索引被构建为有效特征参数。然而,在AMCG中的整个图域特征构建是通过人工进行的,并且计算繁琐。如果不适当地选择特征序列作为图域特征,通常会导致令人不满意的性能。这就需要一种用于通信信号调制识别的图域特征自动构建方法,不仅整个图域特征构建过程避免人工参与,并且保证AMCG的鲁棒性。
发明内容
本发明的目的在于克服现有技术的不足,提出一种用于通信信号调制识别的图域特征自动构建方法,以避免人工构建,选择不恰当的特征序列作为图域特征,保证调制识别的鲁棒性和准确性,同时,减少计算复杂性。
为实现上述发明目的,本发明用于通信信号调制识别的图域特征自动构建方法,其特征在于,包括以下步骤:
(1)、获得第k类调制类型信号的邻接矩阵
其中,P为循环频率数,αp为循环频率(p=1,2,…,P);M为试验次数,m表示第m次试验(m=1,2,…,M);
(2)、计算矩阵
其中,
其中,τ为设定的概率阈值,根据具体情况设定;
如果邻接矩阵
由于
对于调制类型集
(3)、第k类调制类型信号在循环频率
其中,
(4)、当
(5)、根据记录的行索引对应元素的均值的绝对值
(6)、对于第k类调制类型,利用对应于行索引序列
逐个检查
如果
本发明的目的是这样实现的。
本发明用于通信信号调制识别的图域特征自动构建方法,利用通信信号的循环谱,在不会导致任何计算复杂性的情况下实现了自动构建通信信号的图域特征。本发明首先从循环谱图域表示中提取邻接矩阵,并统计出邻接矩阵条目的稳定特性,在稳定统计特性的基础上计算这些条目的KL散度,最后依据邻接矩阵条目的均值来建立训练信号的调制特征,从而实现了自动建立图域调制特征模型。与现有技术相比,不会人为地选择到不恰当的训练特征序列,可以保证AMCG算法的鲁棒性和准确性,并可以忽略因训练信号传输符号随机性而导致的多种调制类型的调制特征序列的不一致性;采用的图域特征序列在基于AMCG算法的整个分类过程中可以保持不变,并且其可以自动建立及预先存储在存储器中,不会导致任何的计算复杂性。
附图说明
图1是通信信号图域映射步骤示意图;
图2是基于BPSK信号循环谱的图域映射与转换示意图;
图3是训练信号图域行索引特征位置示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
为了方便描述,先对具体实施方式中出现的相关专业术语进行说明:
BPSK(binary phase-shift keying):二进制相移键控;
QPSK(quadrature phase-shift keying):正交相移键控;
OQPSK(offset quadrature phase-shift keying):偏移四相相移键控;
2FSK(binary frequency-shift keying):二进制频移键控;
4FSK(quadrature frequency-shift keying):四进制频移键控;
MSK(minimum shift keying):最小频移键控;
FB(feature-based):基于特征
PR(pattern recognition):模式识别
LB(Likelihood-based influence):基于似然函数
AMCG(graph-based>
KL散度(Kullback-Leibler divergence):KL散度,又称相对熵;
FAM(FFT(fast Fourier transform)accumulation method):FFT累加算法,用于计算循环谱密度;
PDF(probability density function):概率密度函数;
现有的基于FB的PR方法和基于LB的决策理论识别方法不能满足一些实时性较高且需系统鲁棒性强的场合,AMCG虽然能实现更优的性能,但只能人工实现特征构建过程。本发明提出了一种用于AMCG的特征自动构建方法。本发明首先从循环谱图域表示中提取邻接矩阵,并统计出邻接矩阵次对角线上条目的稳定特性,在稳定统计特性的基础上计算条目的KL散度,最后依据邻接矩阵条目的均值来建立训练信号的调制特征,从而实现自动建立调制特征模型并预存在存储器中,在不会导致任何计算复杂性的情况下保证了AMCG的鲁棒性和准确性。
1.通信信号图域映射理论
在通信系统中大多数调制信号表现出相应的二阶统计周期性,这提供了将信号从循环谱域变换到图形域的渠道。图1给出了基于循环谱的通信信号图域映射步骤,首先计算输入信号的循环谱,然后对循环谱做归一化、量化处理,提取其中的状态序列,然后把这些序列映射为图。
对于具有N个样点的调制信号x(n),相应的循环谱
其中g(n)是宽度为NTs秒的统一权重函数,f1和f2是FAM算法中滤波器的中心频率,Ts是采样周期,其中,f1=f+α/2,f2=f-α/2,XT(r,f1)和XT(r,f2)是x(n)的复解调,可以由下式计算出。
其中a(r)是持续时间为T=N′Ts秒的锥形数据窗,它的宽度即是循环谱的频率分辨率Δf,如果a(r)是归一化的,循环谱可以由时域平滑周期图实现无偏估计,如下式:
在FAM算法中,频率分辨率Δf=fs/N′,循环频率分辨率Δα=1/Δt=fs/N,其中,fs为采样间隔,N′为复解调所用数据的点数,N为Δt时间内输入的数据点数。因此,以上采用FAM算法计算出的循环谱矩阵
实际上,需要对计算出的循环谱矩阵进行归一化和量化处理,得到的矩阵为
其中,
由于循环谱的对称性,取
因此,可以构成N+1个图
图2以BPSK信号为例,展示了基于循环谱的图域映射与转换方法。图2(a)给出了BPSK信号的归一化循环谱,图2(b)中进行了循环谱的量化,图2(c)以循环频率α=0为例给出了其在第一象限的频谱以及周期延拓方法,最后在图2(d)中给出了图2(c)对应的图域表示的邻接矩阵。
2.提出的特征自动构建方法
设调制类型集为
2.1训练信号的图域特征自动构建
对于无噪声的第k类调制类型训练信号,可以计算其循环谱,然后根据上一节中讨论的图域变换构造一组图形。这里,训练信号采样序列被划分为M段,并且进行M次图域映射试验。删除所有M次试验中都产生空图的循环频率,可以实现每次试验都保留P个图。对于第m次试验,图集可以表示为
2.1.1产生稳定的行索引序列
考虑所有的m次试验,对于给定的循环频率αp,p=1,2,…,P,我们可以基于
其中,
如果
由于
2.1.2 KL散度的计算
对于第m次试验,第k类调制类型的循环频率
其中,
注意,如果
由于本发明中使用的是条目
在此基础上,可以定义第k类调制类型在循环频率
其中
2.1.3调制特征序列构建
现在,考虑第k类调制类型的稳定行索引序列集合
最后,对于第k类调制类型,利用对应于行索引序列
图3(a)~(f)分别给出了仿真条件下BPSK、2FSK、4FSK、QPSK、OQPSK和MSK信号自动建立的图域行索引特征位置示意图,图3(a)~(f)中的横坐标为循环频率索引,表示特征序列的循环频率在循环频率集中对应的位置,此循环频率集为构建的所有调制类型特征序列所在循环频率的并集;纵坐标为图域特征序列中的行索引在对应邻接矩阵里的位置;图中蓝色的实心菱形表示训练信号图域特征的行索引,注意示意图3(a)~(f)没有给出同一邻接矩阵中行索引的先后顺序。
2.2测试信号的图域特征构建
对于具有第k类调制类型的测试信号,也可以生成一组图
1)根据第k类标准信号给出的特征集
2)对于zk=jk=1,2,...,Jk,令Zk=Jk,
3)最后,可以构建测试信号的特征集
最后,对于每个调制信号,一旦建立了
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
机译: 分析一系列测量方法的方法,确定系统的信号特征,以确定信号特征是否用于通过连续域进行诊断
机译: 在心电图信号中描绘特征点的方法以及用于实现该方法的存储介质,电子设备和心电图信号分析系统
机译: 在心电图信号中描绘特征点的方法以及用于实现该方法的存储介质,电子设备和心电图信号分析系统