本發(fā)明屬于信號處理技術(shù)領(lǐng)域，更為具體地講，涉及一種基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號調(diào)制識別方法。

背景技術(shù)：

自動調(diào)制分類(automaticmodulationclassification，簡稱amc)，也稱通信信號調(diào)制識別可以在很少或沒有先驗知識的情況下識別接收信號的調(diào)制類型，是信號檢測和解調(diào)之間必不可少的一個重要步驟，并廣泛應(yīng)用于許多軍事和民用通信領(lǐng)域。

經(jīng)典自動調(diào)制分類(amc)方法，通?？煞譃閮深悾?i)基于似然的(lb)決策理論方法和(ii)基于特征的(fb)模式識別(pr)方法。然而，lb的方法不可避免地會有一些缺點(diǎn)，例如缺乏閉式解，難以忍受的高計算復(fù)雜度，概率模型不匹配。fb方法的性能不是最佳的，然而它們能非常有效地實現(xiàn)，因此，許多研究利用不同的特征和不同的分類算法以追求fb方法的魯棒性能。

值得注意的是，lb方法和fb方法都是應(yīng)用在高斯噪聲信道的假設(shè)中，然而，各種各樣的研究表明，在實際的無線通信中頻道，通常是由明顯的脈沖引起的多址干擾，低頻大氣噪聲，電磁干擾等。這些物理噪聲表現(xiàn)出尖銳的脈沖特性和具有重尾的概率密度分布。根據(jù)中心極限定理，這些在無線通信系統(tǒng)中主要誤差來源的非高斯分布噪聲可以被建模為α穩(wěn)定分布噪聲。在α穩(wěn)定分布噪聲出現(xiàn)的信道中，傳統(tǒng)amc方法性能會出現(xiàn)明顯的惡化。

基于圖域的自動調(diào)制分類(amcg)第一次將amc技術(shù)引入圖形域，并且已經(jīng)實現(xiàn)了比現(xiàn)有pr和基于lb的決策理論算法更優(yōu)的性能。但是該方法是對接收信號的二階循環(huán)譜進(jìn)行圖域映射提取圖域特征。然而在α穩(wěn)定分布噪聲中不存在二階及更高階的統(tǒng)計量，所以，現(xiàn)有的amcg方法在α穩(wěn)定分布噪聲中也失效，因此，新的更穩(wěn)定的更有效的適用于α穩(wěn)定分布噪聲的amc技術(shù)亟待被發(fā)現(xiàn)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出一種基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號調(diào)制識別方法，以適應(yīng)α穩(wěn)定分布噪聲，實現(xiàn)更穩(wěn)定的更有效的通信信號調(diào)制類型的識別。

為實現(xiàn)上述發(fā)明目的，本發(fā)明基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號調(diào)制識別方法，其特征在于，包括以下步驟：

(1)、調(diào)制類型訓(xùn)練信號的特征提取

1.1)、基于分?jǐn)?shù)低價循環(huán)譜的圖域映射

對于無噪聲的第k類調(diào)制類型的訓(xùn)練信號x^k(t)，k＝1,2,…,k，k為調(diào)制類型的類型數(shù)量；將其采樣序列劃分為l段，每一段進(jìn)行一次圖域映射：

采用fam算法((fastfouriertransform)accumulationmethod)：fft累加算法，用于計算循環(huán)譜密度)計算出l段訓(xùn)練信號的flocs(fractionallow-ordercyclicspectrum，分?jǐn)?shù)低階循環(huán)譜)，得到圖域集合：

其中，h＝1,2...h，表示第k類調(diào)制類型的訓(xùn)練信號的l段保留下來的循環(huán)頻率εh所對應(yīng)的時域平滑循環(huán)周期圖，提取出h個循環(huán)頻率εh所對應(yīng)的時域平滑循環(huán)周期圖的鄰接矩陣，得到鄰接矩陣集合：

其中，時域平滑循環(huán)周期圖根據(jù)以下方式得到：

a1)、對計算出的flocs即分?jǐn)?shù)低階循環(huán)譜進(jìn)行歸一化和量化處理，得到最大值為1且離散的分?jǐn)?shù)低階循環(huán)譜其中，ε為循環(huán)頻率，f為頻率；

在fam算法中，flocs的頻率分辨率為δf＝fs/n′，循環(huán)頻率分辨率δα＝1/δt＝fs/n，其中，fs為采樣頻率，n′為復(fù)解調(diào)所用數(shù)據(jù)的點(diǎn)數(shù)，n為δt時間內(nèi)輸入的數(shù)據(jù)點(diǎn)數(shù)，這樣采用fam算法計算出的flocs為(n′+1)×(2n+1)的矩陣；

a2)、由于flocs具有對稱性，基于離散的分?jǐn)?shù)低階循環(huán)的四分之一象限建立相應(yīng)的圖域映射：

定義穩(wěn)定的循環(huán)頻率εp,p＝1,2...n，εp滿足條件：

將穩(wěn)定的循環(huán)頻率εp,p＝1,2...n相應(yīng)的頻率值作為頂點(diǎn)，得到頂點(diǎn)集合：

將兩個頂點(diǎn)之間的幅度差值作為邊，得到邊集合：

其中：

這樣，在每一個穩(wěn)定的循環(huán)頻率εp下得到相應(yīng)的圖域映射，即時域平滑循環(huán)周期圖為：

將分?jǐn)?shù)低階循環(huán)譜為0的循環(huán)頻率刪除，得到h個保留下來的循環(huán)頻率εh所對應(yīng)的時域平滑循環(huán)周期圖：

1.2)、行索引序列的提取

對于每個鄰接矩陣l＝1,2,…,l提取主對角線正上方的次對角線的非零條目(元素)，提取這些非零條目(元素)所對應(yīng)的行索引序列行索引序列提取的原則如下：

b1)、檢查次對角線的非零值，列出這些非零值所對應(yīng)的行索引，并根據(jù)這些非零值的絕對值對這些行索引進(jìn)行降序排列，然后，按降序依次提取行索引；

b2)、如果兩個或多個非零條目具有相同的絕對值，則提取距離之前所提取的行索引距離最近的行索引，其他的丟棄；

b3)、如果兩個或多個非零條目具有相同的絕對值，且最大，則選擇最大的行索引，其他的丟棄；

這樣得到循環(huán)頻率εh所對應(yīng)的得到l個行索引序列，選取在l個行索引序列中出現(xiàn)概率大于95％行索引構(gòu)成一個穩(wěn)定的行索引序列

對于第k類調(diào)制類型的訓(xùn)練信號，提取出h個循環(huán)頻率εh穩(wěn)定的行索引序列，構(gòu)成穩(wěn)定行索引序列集合：并作為第k類調(diào)制類型的特征；

(2)、通信信號調(diào)制類型的識別

對于接收信號，按照步驟(1)的方法獲取其調(diào)制類型的特征，行索引序列集合其中，v是保留下來的循環(huán)頻率個數(shù)；

計算行索引序列集合與第k類調(diào)制類型的特征的漢明距離，得到k個漢明距離k＝1,2,…,k，然后在其中找最小的漢明距離，其對應(yīng)的調(diào)制類型即為接收通信信號的調(diào)制類型。

本發(fā)明的目的是這樣實現(xiàn)的。

為應(yīng)對α穩(wěn)定分布噪聲，本發(fā)明基于分?jǐn)?shù)低階循環(huán)譜的圖域通信信號調(diào)制識別方法。利用接收信號的三維分?jǐn)?shù)低階循環(huán)譜，將被α穩(wěn)定分布噪聲干擾的調(diào)制信號轉(zhuǎn)換到圖域上，然后可以從圖表示的稀疏鄰接矩陣中提取有效特征參數(shù)行索引序列集合作為調(diào)制類型的特征，根據(jù)訓(xùn)練信號與接收信號的行索引序列集合漢明距離，來實現(xiàn)α穩(wěn)定分布噪聲干擾下，更穩(wěn)定的更有效的通信信號調(diào)制類型的識別。

附圖說明

圖1是本發(fā)明應(yīng)用的一種具體實施方式原理框圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的具體實施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計的詳細(xì)描述也許會淡化本發(fā)明的主要內(nèi)容時，這些描述在這里將被忽略。

為了方便描述，先對具體實施方式中出現(xiàn)的相關(guān)專業(yè)術(shù)語進(jìn)行說明：

amc(automaticmodulationclassification)：自動調(diào)制分類；

fb(feature-based)：基于統(tǒng)計特征

pr(patternrecognition)：模式識別

lb(likelihood-basedinfluence)：基于似然函數(shù)

amcg(graph-basedautomaticmodulationclassification)：圖域自動調(diào)制分類；

pdf(probabilitydensityfunction)：概率密度函數(shù)；

cf(characteristicfunction)：特征函數(shù)；

flocs(fractionallow-ordercyclicspectrum)：分?jǐn)?shù)低階循環(huán)譜；

floc(fractionallow-ordercorrelation)：分?jǐn)?shù)低階自相關(guān)函數(shù)；

flocc(fractionallow-ordercycliccorrelation)：分?jǐn)?shù)低階循環(huán)自相關(guān)；

fam(fft(fastfouriertransform)accumulationmethod)：fft累加算法，用于計算循環(huán)譜密度；

bpsk(binaryphase-shiftkeying)：二進(jìn)制相移鍵控；

qpsk(quadraturephase-shiftkeying)：正交相移鍵控；

oqpsk(offsetquadraturephase-shiftkeying)：偏移四相相移鍵控；

2fsk(binaryfrequency-shiftkeying)：二進(jìn)制頻移鍵控；

4fsk(quadraturefrequency-shiftkeying)：四進(jìn)制頻移鍵控；

msk(minimumshiftkeying)：最小頻移鍵控；

1、α穩(wěn)定分布

α穩(wěn)定分布又稱為非高斯穩(wěn)定分布、重尾分布，是一種廣義的高斯分布，這種分布模型可以在實際的無線通信環(huán)境中，準(zhǔn)確地模擬噪聲的統(tǒng)計特性。

α穩(wěn)定分布的模型是唯一滿足穩(wěn)定性和廣義中心極限定理的模型，α穩(wěn)定分布并不存在統(tǒng)一、封閉的概率密度函數(shù)(pdf)，但它存在統(tǒng)一的特征函數(shù)(cf)，其特征函數(shù)可以表示為：

ψ(u)＝exp{jau-γ|u|^α[1+jβsgn(u)ω(u,α)]}(9)；

其中，sgn(·)為符號函數(shù)。α(0＜α≤2)為特征指數(shù)，它決定該分布脈沖特性程度，α值越小，所對應(yīng)分布的拖尾越厚，因此脈沖特性越顯著；β(-1≤β≤1)為偏斜參數(shù)，用于確定分布的對稱程度；γ(γ＞0)為分散系數(shù)，又稱尺度參數(shù)，它是關(guān)于樣本偏離其均值的分散程度的度量，類似于高斯分布中的方差；α(-∞＜a＜+∞)為位置參數(shù)，對應(yīng)于穩(wěn)定分布的均值或中值，u為特征函數(shù)的隨機(jī)變量。

當(dāng)α＝2時，α穩(wěn)定分布退化為高斯分布；

當(dāng)α＝1且β＝0時，α穩(wěn)定分布為柯西分布；

當(dāng)β＝0時，α穩(wěn)定分布為關(guān)于均值α的對稱分布，我們稱這樣的分布記為對稱α穩(wěn)定(sαs)分布。

2、分?jǐn)?shù)低階循環(huán)譜(flocs)分析

由于調(diào)制信號s(t)被服從α穩(wěn)定分布的噪聲n(t)所污染，因此接收信號x(t)可以被建模為：

x(t)＝s(t)+n(t)(11)；

其中，n(t)為服從sαs分布的噪聲，由于α穩(wěn)定分布的噪聲具有顯著的尖峰脈沖特性，不具有二階或二階以上統(tǒng)計量，傳統(tǒng)的基于二階或高階循環(huán)統(tǒng)計量的amc算法在α穩(wěn)定分布的噪聲會失效，對接收信號進(jìn)行非線性變換得到的分?jǐn)?shù)低階循環(huán)譜(flocs)可以有效的抑制α穩(wěn)定分布的噪聲，因此，對于amc技術(shù)，可以從接收信號的flocs中提取相應(yīng)的信息進(jìn)行調(diào)制信號的識別。

圖1是本發(fā)明應(yīng)用的一種具體實施方式原理框圖。

在本實施例中，輸入數(shù)據(jù)在發(fā)射機(jī)中經(jīng)過調(diào)制器調(diào)制后，得到調(diào)制信號s(t)，然后在信道中混入的α穩(wěn)定分布噪聲n(t)，成為接收機(jī)的接收信號x(t)。

首先，在自動調(diào)制分類器中，對接收信號x(t)以采樣頻率fs＝1/ts進(jìn)行均勻采樣，采樣后的離散信號x(n)的分?jǐn)?shù)低階自相關(guān)函數(shù)(floc)可以被表示為：

floc(n,m)＝e{[x(n+m)][x^*(n)]}(12)；

x(n)^＝|x(n)|^b-1x^*(n)(13)；

其中，式(12)是對散信號x(n)的b階非線性變換，0＜b＜α/2；e(·)為期望，x^*(n)是x(n)的共軛。那么，信號的分?jǐn)?shù)低階循環(huán)自相關(guān)(flocc)為：

其中，<·>表示時間平均，值得注意的是，b階非線性變換只改變了信號的幅度，沒有改變周期信息，所以二階循環(huán)相關(guān)下定義的循環(huán)頻率同樣適合分?jǐn)?shù)低階循環(huán)相關(guān)；若b＝1，則flocc退化為二階循環(huán)自相關(guān)。flocs為flocc的傅里葉變換，可以被表示為：

實際上，可以利用時域平滑算法——fam算法估計出，對于一個給定的頻率f和循環(huán)頻率ε，時域平滑循環(huán)周期圖可以由下式表示：

其中g(shù)(n)是寬度為nts秒的統(tǒng)一權(quán)重函數(shù)，f1和f2是fam算法中濾波器的中心頻率，ts是采樣周期，其中，f1＝f+α/2，f2＝f-α/2，xt(r,f1)和xt(r,f2)是x(n)的復(fù)解調(diào)，可以由下式計算出。

其中a(r)是持續(xù)時間為t＝n′ts秒的錐形數(shù)據(jù)窗，它的寬度即是flocs的頻率分辨率δf，如果a(r)是歸一化的，flocs可以由時域平滑周期圖實現(xiàn)無偏估計，如下式：

3、圖域映射

采用fam算法計算出的三維圖的幅度為非負(fù)的，并對計算出的flocs進(jìn)行歸一化和量化處理，得到最大值為1且離散的分?jǐn)?shù)低階循環(huán)譜在fam算法中，flocs的頻率分辨率為δf＝fs/n′，循環(huán)頻率分辨率δα＝1/δt＝fs/n，其中，fs為采樣間隔，n′為復(fù)解調(diào)所用數(shù)據(jù)的點(diǎn)數(shù)，n為δt時間內(nèi)輸入的數(shù)據(jù)點(diǎn)數(shù)。即采用fam算法計算出的flocs矩陣(n′+1)×(2n+1)的矩陣。

由于flocs具有對稱性，因此對離散譜的四分之一象限建立相應(yīng)的圖域映射。定義穩(wěn)定的循環(huán)頻率εp,p＝1,2...n，εp滿足條件：

將穩(wěn)定的循環(huán)頻率相應(yīng)的頻率值作為頂點(diǎn)，設(shè)為：將兩個頂點(diǎn)之間的幅度差值作為邊，設(shè)為：q1,q2＝0,1,...,n′/2}，其中：

至此，可以在每一個穩(wěn)定的循環(huán)頻率下得到相應(yīng)的圖域映射p＝0,1,...,n，顯然每個循環(huán)頻率下的圖具有循環(huán)性，因此可以提取相應(yīng)圖的鄰接矩陣作為不同信號的判別特征。

4、提取特征

設(shè)調(diào)制類型集合為其中，表示第k類調(diào)制類型，k＝1,2,...,k。在本實施例中，可以對6類調(diào)制類型信號進(jìn)行識別，即bpsk，2fsk，4fsk，qpsk，oqpsk，msk，對于無噪聲的第k類調(diào)制類型訓(xùn)練信號，可以計算其flocs，根據(jù)第3部分的方法構(gòu)建圖域集。

將訓(xùn)練信號的采樣序列劃分為l段，可以建立l次圖域映射，對于每一次圖域映射，可以得到h個圖，對于第l次圖域映射，圖域的集合可以表示為其中h＝1,2...h，表示第k種調(diào)制類型的訓(xùn)練信號保留下來的循環(huán)頻率εh所對應(yīng)的圖，其對應(yīng)的圖提取出的鄰接矩陣集合表示為

因為flocs在圖域中代表一個加權(quán)的有向環(huán)，任意鄰接矩陣是如下性質(zhì)的稀疏矩陣

其中，為鄰接矩陣的第(u,v)個條目，對于每個鄰接矩陣提取鄰接矩陣主對角線正上方的次對角線的非零條目，提取這些非零條目所對應(yīng)的行索引序列行索引序列提取的原則如下：

b1)、檢查次對角線的非零值，列出這些非零值所對應(yīng)的行索引，并根據(jù)這些非零值的絕對值對這些行索引進(jìn)行降序排列，然后，按降序依次提取行索引；

b2)、如果兩個或多個非零條目具有相同的絕對值，則提取距離之前所提取的行索引距離最近的行索引，其他的丟棄；

b3)、如果兩個或多個非零條目具有相同的絕對值，且最大，則選擇最大的行索引，其他的丟棄；

這樣得到循環(huán)頻率εh所對應(yīng)的得到l個行索引序列，選取在l個行索引序列中出現(xiàn)概率大于95％行索引構(gòu)成一個穩(wěn)定的行索引序列

對于第k類調(diào)制類型的訓(xùn)練信號，提取出h循環(huán)頻率εh穩(wěn)定的行索引序列，構(gòu)成穩(wěn)定行索引序列集合：并作為第k類調(diào)制類型的特征。

注意，這些行索引序列不必具有相同個數(shù)的元素，因為每個序列的長度由相對應(yīng)的鄰接矩陣的非零元素決定。

5、通信信號調(diào)制類型的識別

對于接收信號，按照第3、4部分的方法獲取其調(diào)制類型的特征，行索引序列集合其中，v是保留下來的循環(huán)頻率個數(shù)；

計算行索引序列集合與第k類調(diào)制類型的特征的漢明距離，得到k個漢明距離k＝1,2,…,k，然后在其中找最小的漢明距離，其對應(yīng)的調(diào)制類型即為接收通信信號的調(diào)制類型。

在本實施例中，如圖1所示，接收信號x(t)進(jìn)行預(yù)處理后送入分類器中按照前述第5部分的方法進(jìn)行通信信號調(diào)制識別，并把調(diào)制類型送入解調(diào)器中，按照對應(yīng)的調(diào)制類型對預(yù)處理后的接收信號進(jìn)行解調(diào)，得到輸出數(shù)據(jù)。

如圖1所示，本發(fā)明通過計算分?jǐn)?shù)低階循環(huán)譜flocs將被α穩(wěn)定分布噪聲干擾的調(diào)制信號轉(zhuǎn)換到圖域上，然后通過圖域映射及特征提取，得到調(diào)制類型訓(xùn)練信號的特征，然后根據(jù)特征進(jìn)行圖域分類，實現(xiàn)α穩(wěn)定分布噪聲干擾下，更穩(wěn)定的更有效的通信信號調(diào)制類型的識別。

盡管上面對本發(fā)明說明性的具體實施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實施方式的范圍，對本技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。