[发明专利]一种基于瞬时特征统计量和BP神经网络的调制识别方法

说明书

本发明公开了一种基于瞬时特征统计量和BP神经网络的调制识别方法。该方法主要是以5个瞬时特征作为已知待识别调制信号的集合的特征参数，以BP神经网络作为识别器，网络输出是一个十行的列向量，每次输出的列向量中只有一个元素为1，其它均为零，从而判定识别的结果。识别的对象为：ASK、FSK、PSK、QAM。每种信号均是经过高斯白噪声。相比于传统的调制信号识别，本技术方案的优点是灵活性大，由于采用神经网络作为识别器，当需要识别不同的已知的信号集合时，只需根据不同信号的差异性，选择能够区分的特征参数；并且，特征参数不仅仅局限于瞬时特征，还可以选择高阶累积量，小波变换特征等，所以特征参数的选择可以根据待识别信号的不同而灵活变换。

技术领域

本发明涉及一种基于BP神经网络和信号瞬时特征的数字调制信号识别方法，属于信号的调制识别领域。

背景技术

在信息技术不断发展的现代社会，人与人之间的通信方式和通信技术不断更新。各种新型的通信信号不断出现，为了能够达到理想的信息传输要求，在信号发送前，要求对信号进行调制。调制的方式各种各样，随着数字信号的方法，数字调制方式已经成为主流。本技术主要用于接收端的调制信号识别，调制信号识别主要位于信号检测和信号解调之间。通过对信号调制方式的识别，可以采取对应的解调方式，从而恢复出原始信号，因此，调制信号识别在整个信号传输过程当中至关重要，它直接影响着接收端的信号的质量。

调制方式自动识别也有许多应用领域，民用上，可以实施有效的无线电频谱管理，通过检测民用信号的传输，能够及时发现未注册的信号发送机。军事上，可以利用调制识别辨别敌方的信号调制方式，在截获敌方信号后，采取相应的解调，从而恢复出原始信号；同时也可采取调制加密的方式，保证信号的安全传输，保证只有授权的接收方才可恢复原信号。因此调制识别一直是国家信息安全的重要保证，一直是国内外学者的研究热点。

调制方式的本质还是属于模式识别范畴。附图1所示，为模式识别系统，主要包括信号获取，预处理，特征提取与选择以及分类决策五大部分。在模式识别体系中，主要分为两大部分，有监督和无监督，有监督指的是已知待分类的信号调制方式，调制频率等先验信息以及训练数据；无监督指得是，在不清楚待识别信号集合的前提下，利用预处理和特征提取，最后使用聚类算法识别调制方式。一般我们使用有监督的调制识别方式，相对于无监督方式，它的识别率较高，并且技术比较成熟。有监督的调制识别过程一般是先给定待分类信号的调制方式的集合，并且选择用于分类的特征参数和分类器的分类规则，然后从已知调制方式的信号样本中提取特征参数值。用这些已知调制类型的特征参数训练分类器直到分类器输出的满足给定误差要求。如图1所示，在整个信号识别过程中，最重要的两个部分为特征提取，分类器。提取的特征一般分为：频谱特征、瞬时特征的统计量、瞬时特征直方图、高阶累积量、小波信号特征等；分类器一般分为：最大似然分类器、基于门限判决的树形分类器、神经网络分类器等。本发明中，我选择瞬时特征统计量作为特征提取，分类器选择BP神经网络。

发明内容

基于瞬时特征统计量和神经网络理论，本发明提出了一种基于瞬时特征统计量和BP神经网络的信号调制识别技术，相比于传统的调制识别技术，本方法因为使用了神经网络作为识别器，体现了人工智能的思想，也就是对应于不同的已知待识别信号集合，通过一部分样本的训练后，能够快速、并且以较高的识别率实现调制信号的识别。具体包括以下技术方案：

步骤1)产生各种标准信号集合，这里待识别的信号有十种，2ASK、4ASK、8ASK2FSK、4FSK、8FSK、BPSK、4PSK、8PSK、16QAM信号。它们分别代表三大类：幅度调制、频率调制、相位调制、正交幅度调制。每种调制信号可以通过数字信号调制原理产生，每种调制信号产生的方法已经趋于成熟。

步骤2)特征参数提取是本发明的重要模块，此处主要选择5个瞬时特征参数作为特征参数：