[发明专利]基于高阶统计量与信噪比盲估计的分布式协同信号识别方法

权利要求书

1.一种基于高阶统计量与信噪比盲估计的分布式信号识别方法，它包括以下步骤：

第一步，对于电磁信号进行频谱监测时，各传感器节点对接收信号恢复得到复基带信号其中，E是接收信号的平均功率，a_k为发送码元序列，p(·)是发送码元波形，T_s为码元带宽，ω_c为载波频率，θ_c为载波相位，所有n_i(t)均为零均值的复高斯白噪声，且方差为N₀，采用各类数字调制信号的高阶累积量值C_mn，构建特征参数T₁、T₂，其中T₁＝|C₄₀|/|C₄₂|，T₂＝|C₄₁|/|C₄₂|；第二步，根据T₁、T₂将待识别的接收信号调制种类分为三大类，第一类{2ASK/BPSK、4ASK}、第二类{QPSK、16QAM}、第三类{2FSK、4FSK、8PSK、MSK}；

其特征是在第二类QPSK、16QAM的具体识别方法为：

(a)建立特征T₃＝|C₄₂|/|C₂₁|²作为识别QPSK、16QAM的参数；

(b)构建分类样本，将QPSK、16QAM在不同信噪比下的T₃值及其对应的信噪比作为分类样本；

(c)样本训练，将上述构建的分类样本分别通过支持向量机SVM进行训练得到最优分类参数α_i和b，从而得到用于识别QPSK、16QAM的最优分类函数

(d)盲信噪比估计，采用基于协方差矩阵和奇异值分解的方法对传感器节点接收到的信号进行盲估计，得到信噪比的估计量。

(e)信号识别，计算接收信号的T₃值，结合步骤(d)中的信噪比估计量，得到待识别样本，将其作为支持向量机(SVM)的输入，结合(c)中已建立的判别函数，得到识别结果。

2.根据权利要求1所述的基于高阶统计量与信噪比盲估计的分布式信号识别方法，其特征是对于第一类调制信号，计算特征参数T₄＝|C₄₀|/|C₂₀|²，如果|T₄-1.64|≤|T₄-1|，则该信号的调制种类为4ASK，否则，判别信号的调制类型为2ASK/BPSK。

3.根据权利要求1或2所述的基于高阶统计量与信噪比盲估计的分布式信号识别方法，其特征是对于第三类调制信号，通过搜索调制信号功率谱和平方谱的谱峰数对这类信号进行分类，设功率谱谱峰用P₁表示，平方谱谱峰用P₂表示，若P₁＝4则为4FSK，若P₁≥10则对应的为8PSK，若P₁＝2则对应的是{2FSK、MSK}；当P₂＝2对应的为MSK，若P₂＞2则对应的为2FSK，否则判决出错。

4.一种基于高阶统计量与信噪比盲估计的分布式协同信号识别方法，基于权利要求1所述的基于高阶统计量与信噪比盲估计的分布式信号识别方法，其特征是具体过程为：

(a)特征提取；各传感器节点提取用于调制识别的各类特征参数，包括T₁、T₂、T₃、T₄以及P₁、P₂，其中，P₁表示功率谱谱峰，P₂表示平方谱谱峰，得到特征集合

(b)信噪比盲估计；根据接收信号，采用基于协方差矩阵和奇异值分解的方法对信噪比进行盲估计，估计得到估计量(i＝1，L N)，并与步骤(a)中提取的特征参数集合传递给融合中心；

(c)权值分配，根据估计信噪比的大小，为各传感器节点分配权值

(d)特征融合；结合步骤(c)中的权值，将各传感器节点提取的特征参数进行融合，对于特征参数T₁，设第k个传感器提取的T₁特征参数为T_k1，融合后的结果为同理可到而对于谱峰特征融合，设第k个传感器搜索到的功率谱谱峰数为M_k，则融合后的谱峰为

(e)类型识别，根据步骤(d)融合后的特征参数，进行数字调制信号的类型识别。