[发明专利]数字调制信号识别方法

说明书

技术领域

本发明属于通信技术领域，具体涉及一种多径信道、低信噪比条件下基于神经网络的各种数字信号调制方式的识别方法。

背景技术

随着通信技术的发展，调制信号的体制及调制样式变得更加复杂多样，信号环境越来越密集，信号调制类型的识别显得尤为重要和迫切。在民用方面，信号识别技术在无线电频谱管理中的信号认证、干扰识别技术中显得尤为重要。在军用方面，尤其是电子对抗中的通信对抗，无论是干扰敌方的通信还是破获敌方的通信信号，都必须首先识别敌方通信信号的调制方式。通信信号调制方式识别也是软件无线电及重构通信系统中的重要技术。特别地，随着正交频分复用OFDM技术的广泛采用，调制信号识别技术研究的信号集合越来越大，且识别的复杂度也越来越高。

但是目前对于OFDM信号的识别研究较少，现有的数字信号的识别技术研究集中在理想条件或仅有高斯白噪声条件下，同时，现有的识别技术在低信噪比条件下识别率不高，不能满足实际应用的需要。因此，在多径、低信噪比条件下研究一种能适用多体制的信号识别技术显得十分重要。神经网络所具有的信息分布式储存、大规模自适应并行处理和高度的容错性等特点，特别是其学习能力和容错性对不确定性模式识别具有独到之处，特别适用于多径、低信噪比条件下的信号识别。

目前，基于神经网络的方法中存在着两个问题：一是单个神经网络实现识别系统比较复杂，所需的神经元个数多，且识别性能不理想。二是识别系统中特征参数的选取依赖于设计者的经验，目前还没有一种普遍适用的选取和判别有效特征值的方法。针对第一个问题，人们提出了基于判决树的神经网络，通过组合多个分类器进行分层判决，该方法降低了单个分类器的复杂度。但是，对于判决树的设计也是基于设计者的经验的。特征选取和判决树设计依赖设计者经验带来了识别率低的问题，且在新的通信环境下，判决树的结构需要重新构建。

发明内容

本发明的目的在于克服上述已有技术的不足，提供一种数字调制信号识别方法，以提高通信系统中的信号识别率，且无需再次构建新的判决树就可以实现不同通信环境中的数字信号识别。

为实现上述目的，本发明包括如下过程：

(1)将待判别的特征参数矢量输入到识别网络的SOFM部分，并提取有效特征参数；

(2)根据SOFM网络的提取结果和有效特征的提取顺序，自上而下确定判决树每个节点中采用的特征参数；

(3)用RBF网络代替判决树中的各个节点，构成识别系统的网络结构；

(4)利用已知的训练集合，对识别系统网络中的每个RBF识别网络进行训练，使训练集合的识别误差达到最小，确定每个RBF识别网络隐含层和输出层的各个连接权值和判决门限，并固定这些识别网络；

(5)将接收到的待识别信号进行采样，将采样信号输入到已固定的识别网络中，根据判决树的结构自上而下计算有效特征参数值；

(6)将有效特征参数值输入到RBF识别网络中计算其输出值，用该输出值与判决门限进行比较，判断出识别信号的调制方式。

本发明利用SOFM网络提取有效特征参数和判决树的设计，大大减少了理论证明带来的复杂度和识别的不精确性，同时该方法对通信识别系统的改变具有很好的适应能力。利用RBF网络代替判决树的节点大大减少了用单个RBF分类器进行分类引起的复杂度高的问题。本发明中提出的三个有效特征参数：基于一次和两次小波变换的特征参数V_w、瞬时频率特征参数MAX_fre、信号瞬时幅度的盒函数特征参数DBF2可以很好地提高多径、低信噪比条件下信号的识别率。仿真表明，在多径信道、低信噪比条件下，本发明所提出的方法不仅可以有效的提取特征参数，而且大大提高了系统信号的识别率。

附图说明

图1.是本发明提出的基于神经网络的识别系统结构图；

图2.是本发明中所用的SOFM网络的结构图；

图3.是本发明经过有效特征参数的提取后的判决树结构图；

图4.是本发明中使用的RBF网络的结构图；

图5.是本发明中基于一次和两次小波变换的特征参数的提取过程示意图。

具体实施方式

参见图1，本发明包括如下过程：

过程1，将待判别的特征参数矢量输入到识别网络中的SOFM部分，进行有效特征参数的提取。