一種魯棒通信信號(hào)調(diào)制識(shí)別方法
【專利摘要】一種魯棒通信信號(hào)調(diào)制識(shí)別方法，涉及通信信號(hào)調(diào)制識(shí)別方法。本發(fā)明為了解決傳統(tǒng)AMR算法需要訓(xùn)練多個(gè)識(shí)別器以保證在較大信噪比范圍內(nèi)的有效性的問題，即在訓(xùn)練階段需要針對(duì)不同信噪比環(huán)境分別訓(xùn)練識(shí)別器而導(dǎo)致的工作量巨大的問題。本發(fā)明對(duì)通信信號(hào)樣本s(t)進(jìn)行魏格納(Wigner-Ville)變換得到s(t)的WVD分布后，提取二階立體自相關(guān)特征，建立二階立體自相關(guān)特征集，然后對(duì)二階立體自相關(guān)特征進(jìn)行遴選形成魯棒特征集，之后訓(xùn)練建立一類支持向量機(jī)組并計(jì)算一類支持向量機(jī)組的輸出函數(shù)Yi(x)；計(jì)算待識(shí)別通信信號(hào)樣本sx(t)屬于通信信號(hào)樣本s(t)中包含的各種調(diào)制方式的概率選取概率最大的調(diào)制類別做為最終的調(diào)制識(shí)別結(jié)果。本發(fā)明適用于通信信號(hào)的調(diào)制識(shí)別。
【專利說明】-種魯棒通信信號(hào)調(diào)制識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及通信信號(hào)調(diào)制識(shí)別方法。

【背景技術(shù)】
[0002] 隨著軟件無線電和認(rèn)知無線電【技術(shù)領(lǐng)域】的發(fā)展，基于特征提取和模式識(shí)別的多體 制通信信號(hào)自動(dòng)調(diào)制識(shí)別方法（Automation Modulation Recognition,AMR)研究取得了很 多進(jìn)展和成果，但目前仍不能滿足通信信號(hào)調(diào)制識(shí)別實(shí)際應(yīng)用的需求，仍存在很多挑戰(zhàn)。尤 其是AMR的推廣能力不佳一直是阻礙其實(shí)際應(yīng)用的重要瓶頸。為解決AMR方法推廣能力差、 需要實(shí)時(shí)信噪比估計(jì)的問題，本項(xiàng)目從特征遴選和分類器設(shè)計(jì)兩方面入手研究具有推廣能 力的多體制通信信號(hào)調(diào)制識(shí)別機(jī)理和方法，使AMR方法具有推廣能力強(qiáng)、識(shí)別率高、計(jì)算復(fù) 雜度低易于實(shí)時(shí)識(shí)別的特性。
[0003] 通信信號(hào)自動(dòng)調(diào)制模式識(shí)別是軟件無線電與認(rèn)知無線電領(lǐng)域的核心科學(xué)問題，10 多年來一直受到廣泛的關(guān)注，基于人工智能與機(jī)器學(xué)習(xí)的特征提取和分類器AMR方法成為 近幾年的研究重點(diǎn)課題，取得了大量的研究成果[5-10]。然而，通信信號(hào)的自動(dòng)調(diào)制識(shí)別具 有其特殊性，接收信號(hào)的信噪比變化范圍大，變化迅速。具有推廣能力的通信信號(hào)AMR方法 可以很好的適應(yīng)這種復(fù)雜的信噪比環(huán)境，但具有推廣能力的AMR研究機(jī)理問題至今仍未解 決。
[0004] 在軟件無線電和認(rèn)知無線電領(lǐng)域應(yīng)用中，高斯白噪聲是影響通信信號(hào)調(diào)制自動(dòng)識(shí) 別算法性能的一個(gè)重要因素。與其它模式識(shí)別問題相比，通信信號(hào)AMR中的推廣能力具有 一定的特殊性。由于通信信號(hào)受噪聲的影響非常明顯，尤其是在信噪比變化劇烈的情況下， 由不同信噪比造成的樣本差異遠(yuǎn)大于同一信噪比條件下樣本的個(gè)體差異。因此通信信號(hào) AMR的推廣能力主要是指AMR對(duì)于輸入信號(hào)的信噪比變化的適應(yīng)能力，及在不同信噪比下 樣本的泛化識(shí)別能力。傳統(tǒng)AMR算法為了保證多個(gè)信噪比條件下具有很好的識(shí)別準(zhǔn)確率， 需要訓(xùn)練多個(gè)識(shí)別器，即在各個(gè)信噪比下分別訓(xùn)練分類器。在訓(xùn)練階段要針對(duì)各個(gè)信噪比 環(huán)境分別進(jìn)行訓(xùn)練，工作量極大。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明為了解決傳統(tǒng)AMR算法需要訓(xùn)練多個(gè)識(shí)別器以保證在較大信噪比范圍內(nèi) 的有效性的問題，即在訓(xùn)練階段需要針對(duì)不同信噪比環(huán)境分別訓(xùn)練識(shí)別器而導(dǎo)致的工作量 巨大的問題。進(jìn)而提出了一種在較大信噪比范圍內(nèi)都適用于的魯棒通信信號(hào)調(diào)制識(shí)別方 法。
[0006] -種魯棒通信信號(hào)調(diào)制識(shí)別方法包括以下步驟：
[0007] 步驟一：獲取通信信號(hào)樣本s(t)，對(duì)通信信號(hào)樣本s(t)進(jìn)行魏格納 (Wigner-Ville)變換，得到通信信號(hào)樣本s (t)的時(shí)-頻-能量三維分布，S卩WVD分布；
[0008] 通信信號(hào)樣本s (t)的WVD定義如下：

【權(quán)利要求】
1. 一種魯棒通信信號(hào)調(diào)制識(shí)別方法，其特征在于該系統(tǒng)包括以下步驟： 步驟一：獲取通信信號(hào)樣本S (t)，對(duì)通信信號(hào)樣本S (t)進(jìn)行魏格納變換，得到通信信 號(hào)樣本S (t)的時(shí)-頻-能量三維分布，S卩WVD分布； 通信信號(hào)樣本s (t)的WVD定義如下：
其中，τ表示滯后時(shí)間，t表示時(shí)間，ω表示角頻率，j為虛部基本單位； z⑴為s⑴的解析信號(hào)，定義為： z(t) = s(t)+jH[s(t)] (2) 而H[s (t)]表示s (t)的Hilbert變換，ZiXt)表示函數(shù)z (t)的共軛函數(shù)； 步驟二：根據(jù)通信信號(hào)樣本s(t)的WVD分布，提取二階立體自相關(guān)特征，建立二階立體 自相關(guān)特征集； 步驟三：在信噪比SNR為[6dB，20dB]的范圍內(nèi)，在二階立體自相關(guān)特征集中對(duì)二階立 體自相關(guān)特征進(jìn)行遴選，獲得10維具有噪聲魯棒性的通信信號(hào)樣本s (t)特征，形成魯棒特 征集： 采用遺傳算法按著公式（3)對(duì)251維二階立體自相關(guān)特征進(jìn)行遴選，選取匪SE最小的 10維特征
其中，匪SE為相對(duì)均方誤差，f (η)表示信噪比為η時(shí)的特征值，表示不同信噪比 下特征值的平均值； 根據(jù)遺傳算法的優(yōu)化結(jié)果選取噪聲魯棒性最好的10維二階立體自相關(guān)特征組成魯棒 特征集，對(duì)通信信號(hào)樣本s (t)進(jìn)行表示； 步驟四：應(yīng)用步驟三所述魯棒特征集表示的通信信號(hào)樣本s(t)訓(xùn)練建立一類支持向 量機(jī)組；對(duì)每一類調(diào)制方式的通信信號(hào)樣本s (t)訓(xùn)練一個(gè)一類支持向量機(jī)； 步驟五：將待識(shí)別通信信號(hào)樣本\(0輸入步驟四建立的一類支持向量機(jī)組，計(jì)算一類 支持向量機(jī)組的輸出函數(shù)Yi(x)，i = l，…，工； 其中，Yi表示第i個(gè)一類支持向量機(jī)的輸出結(jié)果，I為通信信號(hào)樣本s(t)中調(diào)制方式 種類數(shù)； 步驟六：計(jì)算待識(shí)別通信信號(hào)樣本sx (t)屬于通信信號(hào)樣本s (t)中包含的各種調(diào)制方 式的概率
選取概率最大的調(diào)制類別為最終的調(diào)制識(shí)別結(jié)果。
2. 根據(jù)權(quán)利要求1所述的一種魯棒通信信號(hào)調(diào)制識(shí)別方法，其特征在于步驟二中根據(jù) 通信信號(hào)樣本S (t)的WVD分布，提取二階立體自相關(guān)特征，建立二階立體自相關(guān)特征集； 具體步驟如下： 根據(jù)通信信號(hào)樣本s(t)的WVD分布，在時(shí)間-頻率-能量三維空間（t，l，e)中定義二 值函數(shù)
其中，參考點(diǎn)r = (t, 1，e)T，t、l、e分別表示W(wǎng)VD分布的時(shí)間、頻率、能量； 三維空間的二階立體自相關(guān)函數(shù)為 RialMn) = F(r)F(r + ) + F(r + a~)dr (6) 其中，αι，α2分別表示相對(duì)參考點(diǎn)r的不同的位移向量，Ds表示積分區(qū)域； 在WVD空間中，ctp α2在以參考點(diǎn)r為中心且與參考點(diǎn)r相鄰點(diǎn)組成的立方體內(nèi)，通 信信號(hào)樣本s (t)三維空間的二階立體自相關(guān)函數(shù)為 R (α?,a,) = ^ F(i.Le)F(t + au,i + aine + a.t,)+ F(i + a,rl + a,ne + a2e) (7) t.l.e 式中，α It，α 11，α Ie為位移α I分別在t、l、e方向的分量；a 2t, α 21, a 2e為位移a 2分 別在t、l、e方向的分量； 對(duì)于二值函數(shù)，自相關(guān)函數(shù)等價(jià)為計(jì)算滿足邏輯條件點(diǎn)的參考點(diǎn)的數(shù)目，即 F (r) Λ F (r+a) Λ F (r+a2) = I (8) 其中，αι、α2在以r為中心的立方體中的位置分布有729 (272)種，去除隨參考點(diǎn)r位 置移動(dòng)出現(xiàn)的重復(fù)分布，得到a i、α 2相對(duì)于r的251種不相關(guān)分布情況；所述a i、α 2在 以參考點(diǎn)r為中心的立方體中的251種分布情況即為251維二階立體自相關(guān)特征； 參考點(diǎn)遍歷三維空間中F(r) = 1的點(diǎn)，統(tǒng)計(jì)各維特征出現(xiàn)次數(shù)為對(duì)應(yīng)特征值，從而形 成251維的二階立體自相關(guān)特征集。
【文檔編號(hào)】H04L1/00GK104378176SQ201410680905
【公開日】2015年2月25日 申請(qǐng)日期:2014年11月24日 優(yōu)先權(quán)日:2014年11月24日
【發(fā)明者】吳芝路, 趙苑珺, 楊柱天, 張立憲 申請(qǐng)人:哈爾濱工業(yè)大學(xué)