本發(fā)明涉及通信技術(shù)領(lǐng)域，具體涉及一種基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別方法與系統(tǒng)。

背景技術(shù)：

通信信號(hào)調(diào)制識(shí)別技術(shù)在軍用通信和民用通信中都有著廣泛的應(yīng)用。在民用方面，政府為實(shí)施有效的頻譜管理和頻譜監(jiān)督，需要實(shí)時(shí)對(duì)未登記注冊(cè)的民用發(fā)射機(jī)進(jìn)行監(jiān)測(cè)，以免對(duì)授權(quán)用戶(hù)通信造成干擾。在軍用方面，調(diào)制識(shí)別技術(shù)在電子對(duì)抗、電子反對(duì)抗、目標(biāo)捕獲、通信告警等方面處于關(guān)鍵的地位。通過(guò)調(diào)制識(shí)別接收機(jī)，攔截對(duì)方通信信號(hào)，識(shí)別其調(diào)制方式，再進(jìn)一步對(duì)其進(jìn)行解調(diào)和信息分析，獲得對(duì)我軍有利的信息，從而制定相應(yīng)對(duì)策。因此，研究調(diào)制識(shí)別技術(shù)，在現(xiàn)代通信領(lǐng)域有重大意義。

M-QAM信號(hào)因其頻譜利用率高，調(diào)制方式靈活多樣，在衛(wèi)星通信、網(wǎng)絡(luò)通信以及認(rèn)知無(wú)線(xiàn)電方面有著廣泛的應(yīng)用。目前，在M-QAM信號(hào)調(diào)制識(shí)別方面也有著大量的研究。Mobasseri采用模糊C均值聚類(lèi)算法重構(gòu)信號(hào)星座圖，在信噪比為5dB時(shí)識(shí)別QPSK、8PSK和16QAM信號(hào)，識(shí)別率超過(guò)90％，但是模糊C均值算法須預(yù)先給定聚類(lèi)中心數(shù)目和聚類(lèi)中心初始位置，不利于應(yīng)用到實(shí)際。侯健等人利用減法聚類(lèi)算法得到的聚類(lèi)中心來(lái)重構(gòu)信號(hào)星座圖，通過(guò)與標(biāo)準(zhǔn)信號(hào)星座圖的相關(guān)性來(lái)正確識(shí)別調(diào)制方式，在信噪比為10dB時(shí)，識(shí)別16QAM、32QAM和64QAM信號(hào)，識(shí)別率達(dá)到95％，但在低信噪比下基本無(wú)法正確識(shí)別相應(yīng)的調(diào)制信號(hào)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是現(xiàn)有MQAM信號(hào)識(shí)別方法存在識(shí)別率低，且不利于應(yīng)用到實(shí)際的問(wèn)題，提供一種基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別方法與系統(tǒng)。

為解決上述問(wèn)題，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別方法，包括如下步驟：

步驟(1)初始化鄰域半徑r_a，設(shè)置上門(mén)限和下門(mén)限ε。

步驟(2)把基帶信號(hào)數(shù)據(jù)集的每一個(gè)數(shù)據(jù)點(diǎn)當(dāng)作潛在的聚類(lèi)中心，并計(jì)算每一個(gè)數(shù)據(jù)點(diǎn)的密度指標(biāo)；

步驟(3)從基帶信號(hào)數(shù)據(jù)集中選出具有最大密度指標(biāo)的數(shù)據(jù)點(diǎn)賦值給c_k，其密度指標(biāo)同時(shí)賦值給D_ck和D_c1；

步驟(4)采用粒子群算法對(duì)數(shù)據(jù)點(diǎn)c_k進(jìn)行修正，得到修正后的數(shù)據(jù)點(diǎn)c'_k；

步驟(5)判斷是否成立；如果成立，則把修正后的數(shù)據(jù)點(diǎn)c'_k作為聚類(lèi)中心，并轉(zhuǎn)至步驟(8)；否則，轉(zhuǎn)至步驟(6)；

步驟(6)判斷D_ck<εD_c1是否成立；如果成立，則不把修正后的數(shù)據(jù)點(diǎn)c'_k作為聚類(lèi)中心，并轉(zhuǎn)至步驟(9)；否則，轉(zhuǎn)至步驟(7)；

步驟(7)判斷下式是否成立：

$\frac{d_{min}}{r_a}+\frac{D_{ck}}{\left|\right|c_k^{\&prime;}\left|\right|}\&GreaterEqual;1$

式中：d_min為所有聚類(lèi)中心之間的最小距離，r_a為領(lǐng)域半徑，D_ck為第k個(gè)數(shù)據(jù)點(diǎn)的密度指標(biāo)，c'_k為修正后的數(shù)據(jù)點(diǎn)；

如果成立，則把數(shù)據(jù)點(diǎn)c'_k作為一個(gè)聚類(lèi)中心，并轉(zhuǎn)至步驟(8)；否則，將數(shù)據(jù)點(diǎn)c'_k的密度指標(biāo)置0，并轉(zhuǎn)至步驟(8)；

步驟(8)從基帶信號(hào)數(shù)據(jù)集中余下的數(shù)據(jù)點(diǎn)中選擇密度指標(biāo)最高的數(shù)據(jù)點(diǎn)賦值給c_k，其密度指標(biāo)賦值給D_ck，并返回步驟(4)；直至將基帶信號(hào)數(shù)據(jù)集中的所有數(shù)據(jù)點(diǎn)選擇完；

步驟(9)輸出所有的聚類(lèi)中心；

步驟(10)計(jì)算每個(gè)聚類(lèi)中心到坐標(biāo)原點(diǎn)的距離r，并進(jìn)行排序；取前N個(gè)最大距離r的均值定義為r_max，后N個(gè)最小距離r的均值定義為r_min，其中N為設(shè)定值；并根據(jù)下式計(jì)算R的大小，作為MQAM的分類(lèi)特征：

$R=\frac{r_{max}}{r_{min}}$

步驟(11)將R與標(biāo)準(zhǔn)星座圖圓半徑的特征范圍比較，并由此判別出QAM的信號(hào)類(lèi)型。

上述密度指標(biāo)的計(jì)算公式為：

$D_i=\underset{j=1}{\overset{n}{\&Sigma;}}\exp \&lsqb;-\frac{\left|\right|x_i-x_j|{|}^2}{{(r_a/2)}^2}\&rsqb;$

式中：D_i為密度指標(biāo)，r_a為鄰域半徑，n為數(shù)據(jù)點(diǎn)總數(shù)，i、j為數(shù)據(jù)點(diǎn)下標(biāo),1≤i≤n,1≤j≤n。

上述步驟(4)中，采用粒子群算法對(duì)數(shù)據(jù)點(diǎn)c_k進(jìn)行修正的過(guò)程具體如下：

步驟(4.1)以數(shù)據(jù)點(diǎn)c_k為圓心定義一個(gè)搜索半徑r_s，將數(shù)據(jù)點(diǎn)c_k及其半徑內(nèi)所有數(shù)據(jù)點(diǎn)初始化為粒子；

步驟(4.2)計(jì)算每個(gè)粒子的適應(yīng)度值；

步驟(4.3)更新每個(gè)粒子的個(gè)體極值p_i和整個(gè)種群的全局最優(yōu)解p_g；

步驟(4.4)更新每個(gè)粒子的速度和位置；

步驟(4.5)計(jì)算更新后的粒子與數(shù)據(jù)點(diǎn)c_k的距離：如果這個(gè)距離大于搜索半徑r_s，則返回步驟(4.1)，縮小搜索半徑r_s，重新初始化粒子；否則，轉(zhuǎn)至步驟(4.6)；

步驟(4.6)迭代次數(shù)加1；如果迭代次數(shù)小于等于設(shè)定迭代次數(shù)閾值，則返回步驟(4.2)，重新計(jì)算每個(gè)粒子的適應(yīng)度值；否則，將所得到的全局最優(yōu)解p_g作為修正后的數(shù)據(jù)點(diǎn)c'_k，并結(jié)束粒子群算法。

上述步驟(9)中，在輸出聚類(lèi)中心之前，還進(jìn)一步包括采用減法聚類(lèi)公式對(duì)每個(gè)聚類(lèi)中心進(jìn)行修正的步驟。

上述信號(hào)識(shí)別方法，還進(jìn)一步包括步驟(12)，即判決結(jié)束后，將判決結(jié)果通過(guò)上位機(jī)顯示。

基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別系統(tǒng)，其特征是，包括射頻接收模塊、載波頻率估計(jì)模塊、信號(hào)變頻模塊、模數(shù)采集模塊、信號(hào)識(shí)別模塊和控制模塊；射頻接收模塊將接收到的信號(hào)送入載波頻率估計(jì)模塊；載波頻率估計(jì)模塊對(duì)信號(hào)進(jìn)行載波頻率估計(jì)，估計(jì)結(jié)果送入控制模塊存儲(chǔ)；控制模塊調(diào)整信號(hào)變頻模塊的本振輸出頻率將信號(hào)搬移到基帶，然后控制模數(shù)采集模塊對(duì)基帶信號(hào)進(jìn)行數(shù)據(jù)采集；信號(hào)識(shí)別模塊完成信號(hào)的識(shí)別和判決，判決結(jié)果送入控制模塊。

上述信號(hào)識(shí)別系統(tǒng)，還進(jìn)一步包括上位機(jī)，該上位機(jī)將控制模塊所得到的判決結(jié)果進(jìn)行顯示。

上述模數(shù)采集模塊為雙通道模數(shù)采集模塊。

與現(xiàn)有技術(shù)相比，本發(fā)明抗干擾能力強(qiáng)，在低信噪比條件下，信號(hào)識(shí)別率高，且更利于應(yīng)用到實(shí)際。

附圖說(shuō)明

圖1為基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別方法的流程圖。

圖2為圖1中信號(hào)識(shí)別的流程圖。

圖3為基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別系統(tǒng)的硬件框架圖。

圖4為信噪比為0dB下采集的基帶信號(hào)數(shù)據(jù)集。

圖5為信噪比為0dB下重構(gòu)的16QAM信號(hào)星座圖。

圖6為信噪比為0dB下采集的基帶信號(hào)數(shù)據(jù)集。

圖7為信噪比為0dB下重構(gòu)的32QAM信號(hào)星座圖。

具體實(shí)施方式

一種基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別方法，如圖1所示，包括如下步驟：

(1)將射頻天線(xiàn)接收到的信號(hào)進(jìn)行載波頻率估計(jì)。

(2)對(duì)載波頻率估計(jì)后的信號(hào)下變頻，得到復(fù)基帶信號(hào)。

(3)雙路模數(shù)轉(zhuǎn)換器(AD)對(duì)復(fù)基帶信號(hào)進(jìn)行采樣，得到基帶信號(hào)數(shù)據(jù)集為(x₁,x₂,...,x_n)

(4)將采樣得到的數(shù)據(jù)集送入基帶信號(hào)處理模塊，通過(guò)信號(hào)識(shí)別算法進(jìn)行處理。具體算法流程圖如圖2所示，具體步驟為：

(4.1)初始化鄰域半徑r_a＝0.8，設(shè)置上門(mén)限下門(mén)限ε＝0.32。

(4.2)將采集到的數(shù)據(jù)集(x₁,x₂,...,x_n)進(jìn)行減法聚類(lèi)處理，每個(gè)數(shù)據(jù)點(diǎn)都是聚類(lèi)中心的候選者，即把每一個(gè)采集到的數(shù)據(jù)點(diǎn)當(dāng)作潛在的聚類(lèi)中心，計(jì)算每一個(gè)數(shù)據(jù)點(diǎn)的密度指標(biāo)，數(shù)據(jù)點(diǎn)x_i的密度指標(biāo)計(jì)算公式為：

$D_i=\underset{j=1}{\overset{n}{\&Sigma;}}\exp \&lsqb;-\frac{\left|\right|x_i-x_j|{|}^2}{{(r_a/2)}^2}\&rsqb;$

式中：D_i為密度指標(biāo)，r_a為減法聚類(lèi)初始的鄰域半徑，n為數(shù)據(jù)點(diǎn)總數(shù)，i、j為數(shù)據(jù)點(diǎn)下標(biāo),1≤i≤n,1≤j≤n。

(4.3)將每個(gè)數(shù)據(jù)點(diǎn)的密度指標(biāo)放入基帶存儲(chǔ)區(qū)存儲(chǔ)，在存儲(chǔ)區(qū)內(nèi)選擇一個(gè)具有最大密度指標(biāo)的數(shù)據(jù)點(diǎn)c_k作為數(shù)據(jù)點(diǎn)(k為聚類(lèi)中心個(gè)數(shù)，初始值為1)。

第一次所得最大密度指標(biāo)的數(shù)據(jù)點(diǎn)的密度指標(biāo)賦值給D_c1(該值為始終不變的固定值)，每次迭代所得最大密度指標(biāo)的數(shù)據(jù)點(diǎn)的密度指標(biāo)值賦值給D_ck(該值為持續(xù)更新的可變值)。

(4.4)運(yùn)行粒子群算法對(duì)數(shù)據(jù)點(diǎn)c_k進(jìn)行修正，得到一個(gè)修正后的數(shù)據(jù)點(diǎn)c'_k，粒子群算法具體步驟為：

(4.4.1)設(shè)迭代次數(shù)C初始化為0，最大值為50。

以數(shù)據(jù)點(diǎn)c_k為圓心定義一個(gè)搜索半徑r_s，將數(shù)據(jù)點(diǎn)c_k及其半徑內(nèi)所有數(shù)據(jù)點(diǎn)初始化為粒子，每個(gè)粒子都是數(shù)據(jù)點(diǎn)的候選者。

搜索半徑r_s定義為:

r_s＝min(r_a/2,min||c_k+1-c_i||/2,i∈(1,2,...,k))

式中：r_a為減法聚類(lèi)初始的鄰域半徑，c_k+1為第k+1個(gè)聚類(lèi)中心點(diǎn)，c_i為第i個(gè)聚類(lèi)中心點(diǎn)，且i∈(1,2,...,k)。

(4.4.2)計(jì)算每個(gè)粒子的適應(yīng)度值，適應(yīng)度函數(shù)定義為：

$Fitness\left(x\right)=\underset{i=1}{\overset{n}{\&Sigma;}}\exp (-\frac{\left|\right|x-x_i|{|}^2}{{(r_a/2)}^2})-\underset{j=1}{\overset{n}{\&Sigma;}}\exp (-\frac{\left|\right|x-c_j|{|}^2}{{(r_b/2)}^2})$

式中：n為數(shù)據(jù)點(diǎn)總數(shù)，i、j為數(shù)據(jù)點(diǎn)下標(biāo),1≤i≤n,1≤j≤n,r_a為減法聚類(lèi)初始的鄰域半徑，r_b定義了一個(gè)密度指標(biāo)顯著減小的區(qū)域，一般取r_b＝1.5r_a，x為以c_k為圓心，半徑為r_s內(nèi)的所有數(shù)據(jù)點(diǎn)，c_j為更正前聚類(lèi)中心，k為聚類(lèi)中心個(gè)數(shù)。

(4.4.3)更新每個(gè)粒子的個(gè)體極值p_i和整個(gè)種群的全局最優(yōu)解p_g。

(4.4.4)更新每個(gè)粒子的速度，更新公式為：

V_i^(t+1)＝ω*V_i^(t)+c1*rand()*(P_i-X_i^(t))+c2*rand()*(P_g-X_i^(t))

式中：ω為慣性權(quán)重，c1和c2為粒子學(xué)習(xí)速度，rand()為介于[0,1]之間的隨機(jī)數(shù)。在本實(shí)施例中，慣性權(quán)重ω＝0.6，學(xué)習(xí)速度c1＝3、c2＝4。

限制粒子的速度在區(qū)間[-2r_a,2r_a]。

(4.4.5)更新每個(gè)粒子的位置，更新公式為：

X_i^(t+1)＝X_i^(t)+V_i^(t+1)

(4.4.6)計(jì)算更新后的粒子與數(shù)據(jù)點(diǎn)c_k的距離：如果這個(gè)距離大于搜索半徑r_s，則返回步驟(4.4.1)，將搜索半徑變?yōu)?.5r_s，重新初始化粒子；否則，轉(zhuǎn)至步驟(4.4.7)。

(4.4.7)迭代次數(shù)C加1。如果C≤50，則返回步驟(4.4.2)，重新計(jì)算每個(gè)粒子的適應(yīng)度值；否則，將所得到的全局最優(yōu)解p_g作為修正后的數(shù)據(jù)點(diǎn)c'_k，并結(jié)束粒子群算法。

(4.5)判斷是否成立：如果成立，把修正后的數(shù)據(jù)點(diǎn)c'_k作為最終聚類(lèi)中心，并采用減法聚類(lèi)公式對(duì)每個(gè)數(shù)據(jù)點(diǎn)的密度指標(biāo)進(jìn)行修正，修正完后跳至步驟(4.9)；否則，繼續(xù)下一步驟。

上述減法聚類(lèi)公式即將數(shù)據(jù)點(diǎn)的密度指標(biāo)D_i更新為：

$D_i-D_{ck}\exp \&lsqb;-\frac{\left|\right|x_i-c_k^{\&prime;}|{|}^2}{{(r_b/2)}^2}\&rsqb;$

式中：D_ck為第k個(gè)聚類(lèi)中心的密度指標(biāo)，x_i為數(shù)據(jù)點(diǎn)，c'_k為修正后的數(shù)據(jù)點(diǎn)，r_b＝1.5r_a。

(4.6)判斷D_ck<εD_c1是否成立：如果成立，不把修正后的數(shù)據(jù)點(diǎn)c'_k作為最終聚類(lèi)中心，迭代停止，跳至步驟(4.10)；否則，繼續(xù)下一步驟。

(4.7)當(dāng)時(shí)，計(jì)算修正后的數(shù)據(jù)點(diǎn)c'_k之間的最小距離d_min；

(4.8)判斷下式是否成立,

$\frac{d_{min}}{r_a}+\frac{D_{ck}}{\left|\right|c_k^{\&prime;}\left|\right|}\&GreaterEqual;1$

式中：d_min為所有修正后的聚類(lèi)中心點(diǎn)之間的最小距離，r_a為減法聚類(lèi)初始領(lǐng)域半徑，D_ck為第k個(gè)聚類(lèi)中心對(duì)應(yīng)的密度指標(biāo)，c'_k為經(jīng)過(guò)粒子群算法對(duì)c_k修正后的聚類(lèi)中心。

如果成立，則把修正后的數(shù)據(jù)點(diǎn)c'_k作為一個(gè)最終聚類(lèi)中心，并采用步驟(4.5)中的減法聚類(lèi)公式對(duì)每個(gè)數(shù)據(jù)點(diǎn)的密度指標(biāo)進(jìn)行修正；如果不成立，則修正后的數(shù)據(jù)點(diǎn)c'_k不作為最終聚類(lèi)中心，修正后的數(shù)據(jù)點(diǎn)c'_k的密度指標(biāo)置0。

(4.9)從數(shù)據(jù)集中余下的數(shù)據(jù)點(diǎn)中選擇具有最大密度指標(biāo)的點(diǎn)作為下一個(gè)數(shù)據(jù)點(diǎn)，聚類(lèi)中心個(gè)數(shù)k增加1，并將最大密度指標(biāo)點(diǎn)的值賦給c_k，其對(duì)應(yīng)的密度指標(biāo)賦值給D_ck，并跳至步驟(4.4)采用粒子群算法對(duì)聚類(lèi)中心進(jìn)行修正。

(4.10)輸出聚類(lèi)中心(c’₁,c'₂...,c'_k)。

(4.11)由于星座圖中的每個(gè)數(shù)據(jù)點(diǎn)可以按照到原數(shù)據(jù)點(diǎn)的距離不同而劃分到半徑不同的圓上，所以計(jì)算每個(gè)聚類(lèi)中心到坐標(biāo)原點(diǎn)的距離作為半徑并排序，取前4個(gè)最大的值的均值定義為r_max，后4個(gè)最小值的均值定義為r_min，計(jì)算R的大小，作為MQAM的分類(lèi)特征

$R=\frac{r_{max}}{r_{min}}$

(4.12)將R與標(biāo)準(zhǔn)星座圖圓半徑的特征范圍比較，若R∈(1.6,2.6]，判為8QAM；若R∈(2.6,3.5]，判為16QAM；若R∈(3.5,5.6]，判為32QAM；若R∈(5.6,8.1]判為64QAM；若R∈(5.1,12.1]，判為128QAM；若R∈(12.1,∞)，則判為256QAM。

(5)判決結(jié)束后，將判決結(jié)果通過(guò)上位機(jī)顯示。

上述方法所設(shè)計(jì)的基于聚類(lèi)與粒子群重構(gòu)星座圖的信號(hào)識(shí)別系統(tǒng)，如圖3所示，包括射頻接收模塊、載波頻率估計(jì)模塊、信號(hào)變頻模塊、模數(shù)采集模塊、信號(hào)識(shí)別模塊、控制模塊以及上位機(jī)。射頻接收模塊主要負(fù)責(zé)接受敵方通信信號(hào)，由于非合作接受對(duì)信號(hào)具體載波頻率是未知的，因此射頻天線(xiàn)的選擇為超寬帶天線(xiàn)。信號(hào)接收后，將其送入載波頻率估計(jì)模塊進(jìn)行載波頻率估計(jì)，估計(jì)結(jié)果送入控制模塊存儲(chǔ)?？刂颇K根據(jù)收到指令，調(diào)整信號(hào)變頻模塊的本振輸出頻率將信號(hào)搬移到基帶，然后控制模數(shù)采集模塊對(duì)基帶信號(hào)進(jìn)行數(shù)據(jù)采集，由于基帶信號(hào)為復(fù)數(shù)，因此采用的AD為雙通道AD。數(shù)據(jù)采集后，將其送入信號(hào)識(shí)別模塊。信號(hào)識(shí)別模塊由DSP和FPGA構(gòu)成，主要負(fù)責(zé)信號(hào)的識(shí)別和判決，判決結(jié)果送入控制模塊，并通過(guò)上位機(jī)顯示。

圖4所示為雙路AD對(duì)輸入的16QAM調(diào)制信號(hào)采集的數(shù)據(jù)集。在信噪比為0dB下，采用本發(fā)明對(duì)采集的基帶信號(hào)數(shù)據(jù)進(jìn)行聚類(lèi)識(shí)別，如圖5所示，最終聚類(lèi)數(shù)目為16個(gè)，并且各聚類(lèi)中心分布基本均勻，和理想的16QAM信號(hào)星座相比，相似度很高，證明了本發(fā)明方法的有效性。

圖6所示為雙路AD對(duì)輸入的64QAM調(diào)制信號(hào)采集的數(shù)據(jù)集。在信噪比為0dB下，采用本發(fā)明的方法對(duì)采集的基帶信號(hào)數(shù)據(jù)進(jìn)行聚類(lèi)識(shí)別，如圖7所示最終聚類(lèi)數(shù)目為62個(gè)，并且各聚類(lèi)中心分布基本均勻，和理想的64QAM信號(hào)星座相比，相似度很高，證明了本發(fā)明方法的有效性。

本發(fā)明首先對(duì)接受信號(hào)載波進(jìn)行頻率估計(jì)，然后將信號(hào)下變頻到基帶，通過(guò)模數(shù)轉(zhuǎn)換器采集數(shù)據(jù)送入基帶信號(hào)處理模塊進(jìn)行處理，最終將識(shí)別結(jié)果通過(guò)上位機(jī)顯示。信號(hào)識(shí)別算法為，通過(guò)減法聚類(lèi)算法得到采集數(shù)據(jù)的數(shù)據(jù)點(diǎn)，再通過(guò)粒子群算法對(duì)聚類(lèi)中心進(jìn)行優(yōu)化，最后得到重構(gòu)的星座圖。通過(guò)計(jì)算各星座數(shù)據(jù)點(diǎn)到原數(shù)據(jù)點(diǎn)的距離，將各星座數(shù)據(jù)點(diǎn)劃分到半徑不同的圓上，選擇最大半徑與最小半徑之比與標(biāo)準(zhǔn)星座圖圓半徑的特征范圍比較，來(lái)識(shí)別MQAM信號(hào)。與傳統(tǒng)減法聚類(lèi)算法相比，本發(fā)明抗干擾能力強(qiáng)，在低信噪比條件下，信號(hào)識(shí)別率高，且更利于應(yīng)用到實(shí)際。