[发明专利]一种基于联合特征的数字调制信号分类方法有效
申请号: | 201711138607.6 | 申请日: | 2017-11-16 |
公开(公告)号: | CN107948107B | 公开(公告)日: | 2021-04-20 |
发明(设计)人: | 杨金金;庞豪;王江 | 申请(专利权)人: | 成都玖锦科技有限公司 |
主分类号: | H04L27/00 | 分类号: | H04L27/00;H04L27/34 |
代理公司: | 成都坤伦厚朴专利代理事务所(普通合伙) 51247 | 代理人: | 刘坤 |
地址: | 610000 四川省成都市高新*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 联合 特征 数字 调制 信号 分类 方法 | ||
本发明特别涉及一种基于联合特征的数字调制信号分类方法,包括如下步骤:(A)接收端对截获到的信号经ADC采样后得到中频实信号;(B)对中频实信号进行预处理得到中频复信号;(C)获取中频复信号的瞬时特征量、高阶统计量、谱特征,并根据这些特征对信号进行识别,若识别出的信号为2ASK信号、BPSK信号、QPSK信号、OQPSK信号、8PSK信号,则分类结束;若识别出的信号为MFSK或MQAM调制大类,则执行下一步;(D)对MFSK或MQAM调制大类进行类内识别,识别出当前调制大类下的调制阶数M后分类结束。本发明联合了各种特征进行调制识别,并针对特征接近的信号会利用多层次的频谱特性进行分类,识别率高且适用范围广。
技术领域
本发明涉及数字信号处理技术领域,特别涉及一种基于联合特征的数字调制信号分类方法。
背景技术
随着通信技术的进步和各种调制方式的发展,通信环境日益复杂。现在的通信信号在很宽的频带内常采用不同的调制方式和调制参数进行调制和通信,目前通信技术常用的调制方式有:包括2ASK、MPSK、MFSK、MQAM,其中MPSK包括BPSK、QPSK、8PSK和OQPSK,MFSK包括2FSK、4FSK、8FSK、MSK(GMSK),MQAM包括16QAM、32QAM、64QAM、128QAM、256QAM。如何识别这些信号、判别其调制方式对于军用通信和民用通信来说都非常重要,信号调制方式识别是通信侦察的关键技术之一。
在通信信号调制识别领域,相继发展出各种各样的调制识别算法,不同算法之间的算法适用范围、识别性能等方面都存在差异,如按识别特征量分类,调制识别技术包括:基于信号瞬时特征量的信号识别、谱相关理论识别、小波变换识别、基于高阶累积量识别等等。目前,大部分人选择不同的特征参数,针对各种待识别的信号集提出自己的一套特征参数组进行综合判决,算法的适用目标范围(如待识别信号集的选择、待识别信号的参数适用范围)决定了算法的特征参数组合,现有的调制识别技术大部分只针对14种常用调制方式中的一小部分,比如哈尔滨工业大学于2010年5月14日申请的发明专利《基于平行判决的模拟数字混合调制方式识别装置和数字调制方式识别装置》(申请号:201010172374.3),其只能实现2ASK、4ASK、BPSK、QPSK、2FSK、4FSK、16QAM这几个调制方式的识别,适用范围小。
发明内容
本发明的目的在于提供一种基于联合特征的数字调制信号分类方法,适用范围极大,可满足大部分调制类型的识别需求。
为实现以上目的,本发明采用的技术方案为:一种基于联合特征的数字调制信号分类方法,包括如下步骤:(A)接收端对截获到的信号经ADC采样后得到中频实信号;(B)对中频实信号进行预处理得到中频复信号;(C)获取中频复信号的瞬时特征量、高阶统计量、谱特征,并根据这些特征对信号进行识别,若识别出的信号为2ASK信号、BPSK信号、QPSK信号、OQPSK信号、8PSK信号,则分类结束;若识别出的信号为MFSK或MQAM调制大类,则执行下一步;(D)对MFSK或MQAM调制大类进行类内识别,识别出当前调制大类下的调制阶数M后分类结束。
与现有技术相比,本发明存在以下技术效果:本发明联合了各种特征进行调制识别,包括信号瞬时特征量、高阶统计量特征、频谱特征等等,这样就可适应更大范围的调制信号参数;同时,本发明利用频谱特征进行信号识别时,针对特征接近的信号会利用多层次的频谱特性进行分类,以适应各种符号率、各种滤波器系数下的通信信号识别;本发明提出的算法能适应大范围内的参数变化,且仍可达到较高的识别率,适用范围更广。
附图说明
图1是本发明的预处理流程示意图;
图2是通信信号调制识别整体判别示意图;
图3是QPSK、OQPSK信号分类流程示意图;
图4是QPSK、OQPSK信号的平方谱特征;
图5是部分调制类型信号的gammardB特性曲线;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都玖锦科技有限公司,未经成都玖锦科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711138607.6/2.html,转载请声明来源钻瓜专利网。