[发明专利]基于高阶累积量的调制信号识别方法

说明书

本发明公开了一种基于高阶累积量的调制信号识别方法，主要解决现有技术识别率低的问题，其实现方案是：通过matlab得到训练数据集X1和测试数据集Y1，其中每个数据集都包含8种调制信号；对这两个数据集X1和Y1添加高斯白噪声，得到加噪后的训练数据集X2和测试数据集Y2；对加噪训练数据集X2进行特征提取，得到特征序列训练数据集X3；将特征序列训练数据集X3输入到卷积神经网络CNN对其进行训练，得到训练好的卷积神经网络CNN；将测试数据集Y2输入到训练好的卷积神经网络CNN中进行测试，得到8种调制信号的分类结果。本发明与现有技术相比具有更高的调制信号识别的准确率，可用于频谱管理，认知无线电和电子对抗。

技术领域

本发明属于信号处理技术领域，特别涉及一种调制信号识别的方法，可以用于频谱管理，认知无线电和电子对抗。

背景技术

随着无线通信技术的不断发展和通信服务需求的日益增长，新型无线通信设备和服务不断涌现，并逐渐向多模式、多频段、多速率、多业务、多场景等方向发展，为人们的日常生活带来了极大的便利，同时也使得无线频谱资源趋于紧张、电磁环境愈加复杂。这一系列的深刻变化都对无线电监测技术的发展带来了关键契机与重大挑战。另一方面，为了保证频谱资源的高效利用，未来通信网络需要通过频谱共享实现多用户的协同工作与不同业务的共存，这促使频谱管理由传统的静态分配策略逐步向高效的动态分配策略演进，也要求通信设备和无线电监测设备都具有对周边复杂电磁环境的感知能力谱感知技术作为提升无线电设备感知能力的关键，既有助于提高通信设备的频谱利用率，也是无线电监测系统中的重要组成部分。然而，仅仅使用频谱感知，只能判断目标频段是否存在信号占用，无法区分占用信号属于授权服务或是恶意干扰，这严重阻碍了无线电监测系统对干扰信号的监查与管理。为了应对这一问题，无线电监测系统必须具备更为细致的感知能力和更为强大的分析能力，以获取目标信号的频谱特性、调制类型等关键信息，为干扰识别、频谱管理提供技术支撑。

信号调制方式识别作为无线电频谱监测中的关键组成部分，是指在目标信号信息内容未知的前提下，依据较少的先验信息，尽可能准确的判断目标信号的调制方式。信号识别是介于信号检测和信号解调之间的过程，在民用领域主要用于频谱管理中的信号身份验证和干扰识别；在军事领域，它是制电磁权争夺与控制中的重要手段之一，是截获敌方信号、破坏和抑制敌方通信、实施电磁千扰的基础和前提。因此，无线信号的调制方式识别技术在频谱管理、认知无线电和电子对抗等诸多领域具有广泛的应用，在无线通信领域扮演着越来越重要的角色。

现阶段，通信领域的快速发展使得通信环境变得复杂化、信号调制方式也更加多样化，信号接收端需要对接收到的调制信号进行解调等信号处理，此实现过程离不开调制方式识别技术的支撑，因此，调制识别技术的研究有着重要的工程意义。目前，传统的调制方式识别方法往往复杂且需要丰富的专业知识及经验，人工提取到尽可能完备的特征需要大量科学研究以及实验，但人工难以实现多层特征的提取，且在信噪比较低或信道不理想的情况下，各信号的特征往往不易提取，需要综合多个特征，并进行特征融合，识别算法往往复杂且实时性较差。

目前，针对信号调制方式识别问题，可以从两方面提升识别性能：一方面在于信号表征，即需要从目标调制信号中提取判别能力更强的统计特征，或通过特征工程和表征学习的方式，获取对调制信号更为完备、更具差异化的表征；另一方面在于设计更优的判决准则，以适应多样化的信道环境，从而提高信号调制方式识别的精度。

现有的信号调制方式识别方法可以粗略的分为两类，即基于似然的信号识别方法和基于特征的信号识别方法。其中: