[发明专利]基于减法聚类和模糊聚类算法的通信信号识别方法

说明书

本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将邻域半径减小，继续进行减法聚类；以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点再次进行聚类；指定模糊聚类的初始聚类数目，联合Xie‑Beni指标和聚类后星座图的相对半径评价聚类的合理性，若不合理，初始聚类数目需进行迭代；将相对半径与标准星座图半径比较，可得出信号的调制方式则标准调制信号所在的类别为通信信号的类别。

技术领域

本发明涉及通信技术领域，具体涉及一种基于减法聚类和模糊聚类算法的通信信号识别方法。

背景技术

调制信号识别在多种民用和军用领域中扮演关键角色，如认知无线电、频谱监测等。在实际无线通信中，多径信道会引起信号的失真，信号识别变得更有挑战性。目前，在非合作通信中，对不同标准协议的OFDM信号识别时，很重要的一个步骤就是对OFDM的有效子载波进行识别。

在基于星座聚类与神经网络的调制识别研究中利用减法聚类和模糊聚类叠加来对单载波信号识别，在SNR＝15dB时能有效的识别信号，但是其减法聚类中的领域半径值为固定值，当待识别信号集种类较多时，会降低其识别率。

在多径衰落环境下高阶QAM信号调制识别算法研究中使用减法聚类识别子载波信号时，在领域半径中引入了信噪比，以适用于不同密集程度的信号星座点，但是在非协作合作通信中，信噪比事实上是未知的，需要进行估计，这样会增大整个算法的计算量，并且估计后也会有误差，误差会累积下来，最终影响识别率，且其利用噪声功率来构造相关函数，进而利用此函数来控制最终的聚类数目，会增加整个算法的复杂度。

发明内容

针对现有技术中的上述不足，本发明提供的基于减法聚类和模糊聚类算法的通信信号识别方法解决了现有的聚类算法对通信信号识别率低及复杂度高的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括：

初始化领域半径、有效性函数变量、模糊聚类函数的收敛阀值和模糊聚类函数的最大迭代次数；

采用减法聚类算法对接收的通信信号的星座点进行聚类，并输出得到的多个减法聚类中心；

当减法聚类中心的个数小于第一预设定阀值时，将领域半径按第二预设定阀值减小，并重新采用减法聚类算法对通信信号的星座点进行聚类，直至减法聚类中心的个数大于等于第一预设定阀值；

以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点进行聚类，并输出得到的多个模糊聚类中心；

计算每个模糊聚类中心相对星座图原点的距离，并对所有的距离按降序排列，采用前半部分距离和后半部分距离计算通信信号星座图的相对半径；

通过相对半径对应的模糊聚类中心数目查找标准调制信号星座图具有相同聚类中心数目所对应的标准半径值，当相对半径与标准半径值之间的差异小于第三预设定阀值时，则标准调制信号所在的类别为通信信号的类别。

本发明的有益效果为：能够动态地确定不同通信信号在减法聚类时的初始领域半径，当减法聚类中心的个数小于第一预设定阀值时，将领域半径按第二预设定阀值减小，这样可以针对不同的调制信号得到与其相对应的领域半径值，得到的聚类数目和减法聚类中心更精准。