[发明专利]一种调制方式识别方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种调制方式识别方法、装置、电子设备及存储介质，该方法包括：利用变分模态分解算法将接收信号分解为多个模态分量；提取每个模态分量的多重分形特征和统计特征，将每个模态分量的多重分形特征和统计特征进行特征优化后，得到优化后的特征信息；将所述优化后的特征信息输入训练好的分类器，输出调制方式分类结果；其中，所述训练好的分类器是通过优化后的样本特征信息和调制分类标签训练得到的。通过变分模态分解从分解后的模态分量中提取更具有分辨性的多重分形特征并结合统计特征，并且变分模态分解强大的信号分解能力能够将噪声从信号中分离出来，因此在低信噪比条件下也能够达到很好的识别效果。

技术领域

本发明涉及通信技术领域，尤其涉及一种调制方式识别方法、装置、电子设备及存储介质。

背景技术

在通信技术中，利用不同的调制方式提高传输效率，在接收端通过解调恢复出信息的前提是已知信号的调制方式。同时调制方式是信号的一个重要的特征，在电磁环境监管中，掌握未知信号调制能够迅速确定其风险等级。因此调制方式识别是进行信号识别与信号解调前必不可少的一步。

现有技术中的调制方式识别主要包括最大似然的调制方式识别方法和基于特征的调制方式识别方法，基于最大似然的调制方式识别方法将接收信号通过匹配滤波器，然后计算所得样本序列的似然函数，并与某一门限作比较，从而做出判决。基于特征的调制方式识别方法利用不同调制方式的某些不同特征，尤其是不同调制类型的特征差异，通过提取信号的时域特征，进而通过分类器实现调制方式识别。

但是基于特征的调制方式识别方法在选择合适的特征情况下，能够达到较好的识别效果并且计算量小，但是已有的基于特征的调制方式识别方法在低信噪比条件下的识别效果差强人意，基于最大似然的调制方式识别方法理论上能够保证在贝叶斯最小错误概率准则下得到识别结果的最优性，但是这种方法计算量大并且对频率偏移、相位偏移等比较敏感。

因此如何更好的实现调制方式识别，已经成为业界亟待解决的问题。

发明内容

本发明实施例提供一种调制方式识别方法、装置、电子设备及存储介质，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

第一方面，本发明实施例提供一种调制方式识别方法，包括：

利用变分模态分解算法将接收信号分解为多个模态分量；

提取每个模态分量的多重分形特征和统计特征，将每个模态分量的多重分形特征和统计特征进行特征优化后，得到优化后的特征信息；

将所述优化后的特征信息输入训练好的分类器，输出调制方式分类结果；

其中，所述训练好的分类器是通过优化后的样本特征信息和调制分类标签训练得到的。

更具体的，所述提取每个模态分量的多重分形特征的步骤，具体包括：

通过多重分形降趋势分析法计算每个模态分量的多重分形谱和Hurst指数曲线；

从多重分形谱和Hurst指数曲线中提取有效参数作为每个模态分量的多重分形特征；

其中，所述有效参数包括：Hurst指数的最大值、Hurst指数的最小值、多重分形谱中Holder指数最大值、多重分形谱中Holder指数最小值、多重分形谱中Holder指数跨度和多重分形谱中最大值对应的Holder指数。

更具体的，所述提取每个模态分量的多重分形特征和统计特征的步骤，具体还包括：

提取每个模态分量的均值时域统计特征、方差时域统计特征、峰度时域统计特征和偏度时域统计特征，得到每个模态分类的时域统计特征，进而对每个模态分量进行傅里叶变换，得到每个模态分量的频域模态分量；