[发明专利]一种基于星座图和深度学习的混合卫星通信调制识别方法及系统

权利要求书

1.一种基于星座图和深度学习的混合卫星通信调制识别方法，其特征是包括以下步骤：

步骤1、接收机通过频谱分析获得预定信号，并进行载波频率估计和带宽估计，带通滤波、下变频后得到基带信号；

步骤2、估算定时误差，并对非最佳采样的数据点进行插值滤波，逼近最佳采样点；

步骤3、通过对最佳采样点进行相位差分，消除频偏影响，恢复相位差分后的星座图；

步骤4、通过机器学习的方法对星座图进行聚类，通过聚类点的特征进行调制方式分类。

2.根据权利要求1所述的一种基于星座图和深度学习的混合卫星通信调制识别方法，其特征在于，步骤1进一步包括：

步骤1-1、对接收的已调信号进行载频提取、正交下变频和低通滤波后，得到被噪声污染的复基带信号波形：

式中，a_k是发送的符号，其取值范围为a_k∈{exp(j2π(m-1)/M),m＝1,2,...M}；E是发送符号的能量；T_s是采样周期；Δf_c是归一化载波频偏；T_b是符号周期；g_T(t)是升余弦滚降滤波器的冲击响应；ε是归一化码元定时误差，取值范围为-0.5＜ε＜0.5；是载波初始相位；w(t)是均值为0、方差为N₀的高斯白噪声；

步骤1-2、引入码间干扰消除基带信号采样时存在的定时误差，设接收到的信号时间长度为LT，在这段时间内，认定定时误差ε没有发生变化，为常量；对采用序列r_k进行平方操作，则在样本中包含一个频率为1/T_b的频谱分量，通过计算每一段数据的傅立叶系数，提取出该频谱分量。

3.根据权利要求1所述的一种基于星座图和深度学习的混合卫星通信调制识别方法，其特征在于，步骤2采用立方插值滤波器对非最佳采样的数据点进行插值滤波，其中立方插值滤波器的形式为：

y(t)＝b_-2(u)x[(m+2)T_s]+b_-1(u)x[(m+1)T_s]+b₀(u)x[mT_s]+b₁(u)x[(m-1)T_s]

其系数为：

式中，μ是插值滤波算法中的分数间隔参数，通过估计得到的定时误差计算得到；x[T]为T时刻的采样值；b_-2为之前两个时刻的内插滤波器系数，b_-1为之前一个时刻的内插滤波器系数，b₀为当前时刻的内插滤波器系数，b₁为之后一个时刻的内插滤波器系数。

4.根据权利要求1所述的一种基于星座图和深度学习的混合卫星通信调制识别方法，其特征在于，步骤3进一步包括：

步骤3-1、对基带信号进行匹配滤波、符号速率估计、定时估计及插值滤波，得到存在频偏的复基带信号，该信号表示为：

其中，为调制相位，w(n)为高斯白噪声，Δf_c为归一化载波频偏，第n和n+1个码元的绝对相位分别为：

且有：

相位调制信号中，分别由和来携带调制信息；式中，Δω_c＝2πΔf_c；为第n个码元的载波相位偏差；其余各符号含义同上；

步骤3-2、当接收端存在载波频偏时，当前码元的绝对相位除了携带固有的调制信息外，比前一个码元的绝对相位多出一个Δω_cT_b，反映在星座图上即为引起了角度为Δω_cT_b的旋转；采用相位差分的方法消除载波频偏对星座图恢复的干扰，差分公式如下：

x₁(m)＝x^*(n)·x(n-1)

其中，n＝2,3...N,m＝n-1；

式中，x(n)表示第n个采样值；x^*(n)为x(n)的共轭；x₁表示已经恢复的信号应有的星座图状态，将其输入信号调制方式识别模块即可完成对信号调制方式的识别。