[发明专利]基于双联合概率的M-QAM调制方式识别方法及存储介质在审
申请号: | 202210102139.1 | 申请日: | 2022-01-27 |
公开(公告)号: | CN114513395A | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 李月;杨自恒;李琳;刘泽龙;魏唯;张玉;刘缘;刘多识 | 申请(专利权)人: | 黑龙江大学 |
主分类号: | H04L27/00 | 分类号: | H04L27/00;H04L27/34;H04B17/309;H04B17/391;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 哈尔滨华夏松花江知识产权代理有限公司 23213 | 代理人: | 时起磊 |
地址: | 150000 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 联合 概率 qam 调制 方式 识别 方法 存储 介质 | ||
1.一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,所述识别方法的识别过程如下:
当接收端接收到信号后,首先对信号进行噪声估计进而得到信噪比SNR,根据SNR映射得到CQI;然后根据测得的信道CQI值估测发送端可能采用的调制方式的概率为P(ωm|CQI),并得到对数域的预估概率ln[P(ωm|CQI)];
提取接收信号特征,并将信号的独立特征或融合特征进行概率估计,得到调制类别的后验概率P(ωm|y),并取对数得到ln(P(ωm|y));
再将ln(P(ωm|CQI))与ln[P(ωm|y)]相加得到值ln(Pm),并根据ln(Pm)确定调制阶数M,将调制阶数M同接收到的信号y发送给解调器,解调器通过调制阶数的信息进行解调。
2.根据权利要求1所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,所述对信号进行噪声估计得信噪比SNR的过程是基于MMSE算法进行的。
3.根据权利要求2所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,所述信噪比SNR如下:
其中,E表示接收信号能量,||·||表示二范数;C=yxH,x为噪声估计前的信息,H表示共轭转置,y为噪声估计后的信息。
4.根据权利要求1、2或3所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,接收信号能量E=||y||2。
5.根据权利要求4所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,所述CQI=SNR+4.5。
6.根据权利要求1、2、3、4或5所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,根据测得的信道CQI值估测发送端可能采用的调制方式的概率为P(ωm|CQI)的过程包括以下步骤:
首先确定CQI与其区间对应调制方式的类条件概率密度P(CQI|ωm):
其中,m=1,2,3,4,分别对应QPSK、16QAM、64QAM、256QAM;μ1、μ2、μ3、μ4以及分别为不同调制阶数对应的服从正态分布时的均值和方差;
然后根据测得的信道CQI值估测发送端可能采用的调制方式的概率:
其中,P(ωm)为采用调制方式ωm的先验概率;p(CQI)为总体概率密度。
7.根据权利要求6所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,得到调制类别的后验概率P(ωm|y)的方式包括贝叶斯决策、卷积神经网络。
8.根据权利要求7所述的一种基于双联合概率的M-QAM调制方式识别方法,其特征在于,利用卷积神经网络得到调制类别的后验概率P(ωm|y)的过程包括以下步骤:
卷积神经网络不直接输出调制方式的类别标签,而是输出后验概率,即在全连接层之后加一个softmax函数,将全连接层输出的特征向量进行归一化和指数非负处理,并将类别概率直接作为卷积神经网络的输出,输出为调制类别的后验概率:
其中,f(y)表示接收信号样本y的特征向量,输出r表示需要分类的类别数,wj和dj分别表示输出层各节点对应的权值参数和偏置参数,wm和dm表示输出层第m个神经元节点对应的权值参数和偏置参数;P(ωm|y)表示样本y被分为第m类的概率。
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黑龙江大学,未经黑龙江大学许可,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/202210102139.1/1.html,转载请声明来源钻瓜专利网。