[发明专利]基于LMD近似熵、高积累积量和SVM的调制信号识别方法

权利要求书

1.基于LMD近似熵、高积累积量和SVM的调制信号识别方法，包括以下步骤：

步骤1、利用LMD算法计算调制信号的一系列PF分量；

步骤2、选取前三个PF分量，分别求它们的近似熵作为调制信号的一组特征参数；

步骤3、计算调制信号的平均功率；

步骤4、选取前一百次的特征参数作为训练样本，训练LS-SVM；

步骤5、用剩余的特征向量进行分类识别，得出分类的正确率；

其特征在于，步骤3包括：计算调制信号平均功率化后的四阶与六阶高阶累积量：

①计算信号的p阶混合矩：

M_pq＝E[y(k)^(p-q)y^*(k)^q]

②利用得到的混合矩求各阶累积量：

C₂₀＝Cum(y(k)，y(k))＝M₂₀

C₂₁＝Cum(y(k)，y^*(k))＝M₂₁

C₄₀＝Cum(y(k)，y(k)，y(k)，y(k))

＝M₄₀-3(M₂₀)²

C₄₂＝Cum(y(k)，y(k)，y^*(k)，y^*(k))

＝M₄₀-|M₂₀|²-2(M₂₁)²

C₆₃＝Cum(y(k)，y(k)，y(k)，y^*(k)，y^*(k)，y^*(k))

＝M₆₀-6M₂₀M₄₁-9M₄₂M₂₁+18(M₂₁)²M₂₁-12(M₂₁)³

③计算联合特征模块所需的特征值：

F₁＝|C₄₀|，F₂＝|C₆₃|

将F₁＝|C₄₀|，F₂＝|C₆₃|；作为一组特征参数；

步骤4包括：寻找LS-SVM的最优参数。