[发明专利]低信噪比下基于复杂度特征的调制信号识别方法

摘要

本发明的目的在于提供低信噪比下基于复杂度特征的调制信号识别方法，包括以下步骤：对截获的未知通信信号离散化为一定间隔的时间信号序列，将其按照一定的规则重组成不同长度的特征向量，而后进行多重分形维数运算，提取通信信号的多重分形维数特征，在低信噪比下提取不同信号的细微特征，对提取的未知信号特征利用灰色关联理论与数据库中的已知调制类型信号的多重分形维数特征进行关联计算，判断该信号的调制类型为关联度最大的信号的调制类型，实现对通信调制信号的分类识别。本发明具有在强干扰环境下检测区分出不同调制类型的通信信号的能力，进而达到对通信信号调制类型的进行识别的目的。

主权项

1.低信噪比下基于复杂度特征的调制信号识别方法，其特征是：(1)首先对接收到的未知通信信号进行预处理即进行离散：接收到的通信调制信号为s，预处理后的离散信号序列为{s(i)}，其中i＝1，2，·，N₀表示信号的采样点数，N₀为信号序列的长度；(2)将离散化后的信号序列进行重组：对于预处理后的离散通信信号序列{s(i)}，i＝1，2，·，N₀，定义以下特征参量：定义表示重组信号不同向量个数的次数；定义t(j)＝2^j，表示每次重组信号中离散信号点的个数，其中，j＝1，2，·，n表示重组信号不同向量个数的次数的取值；定义数字序列其中，j＝1，2，·，n；重组信号序列S_j的定义方法为：S_j＝s(T(j)*(t(j)-1)+T₀(j))，T₀(j)＝[1：T(j)]，j＝1，2，·，n；(3)对重组的特征向量进行多重分形维数运算，选择不同的维数，提取通信信号的多重分形维数特征：多重分形维数描述的是事物不同层次的特征，一个多重分形可以看做是由不同维数的分形子集组成的并集，把研究对象分为M个小区域，取第i个区域的线度大小为ε_i，第i个区域的密度分布函数P_i，则不同区域i的标度指数α_i可以描述为：Pi=ϵiαi,i=1,2,·,Ni]]>非整数α_i称为奇异指数，表示某一区域的分形维数，由于一个信号可以划分为许多不同的小区域，于是可以得到由一系列不同的α_i所组成的变量f(α)，则f(α)成为信号的多重分形谱，定义函数X_q(ε)为各个区域的概率加权求和，ε为线度大小，q为密度分布函数P_i的幂数，即：Xq(ϵ)=Σi=1NPiq,]]>定义广义分形维数D_q为：Dq=1q-1limϵ→0lnXq(ϵ)lnϵ=1q-1limϵ→0ln(Σi=1NPiq)lnϵ]]>由此，对步骤(2)每一个重组信号S_j求和，S_j表示第j个重组信号，即：S_J＝∑S_j，J＝1，2，·J₀，j＝1，2，·n，j₀表示每次重组信号的个数，S_J为第J次重组信号的和，J₀为重组信号的次数，再对整个离散信号序列求和，和为S，即：S＝∑s_m，m＝1，2，·，N₀，s_m为离散信号序列的第m个采样点值，则第J个概率测度P_J定义为：PJ=SJS,J=1,2,·J0,]]>将P_J带入到多重分形维数D_q的计算式中即可得到信号的多重分形维数特征；(4)对提取的未知信号特征利用灰色关联理论与数据库中的已知调制类型信号的多重分形维数特征进行关联计算，判断该信号的调制类型为关联度最大的信号的调制类型，即实现了对通信调制信号的分类识别：取q值从-q₀到q₀，则计算出信号的多重分形维数共有2q₀+1重特征，每重特征即每个q值对应共有个特征点，对于一个通信调制信号，构成的特征向量共有个特征点值，将其构成一个未知通信信号的多重分形特征序列F₀，利用灰色关联理论对此特征序列与数据库中的已知信号的特征序列F_i作关联，设γ(F₀，F_i)表示两个序列的关联度，设共有k种调制方式模板，则调制方式种类i＝1，2，·，k，构成的特征矩阵为：F0=(D0-q0(1),D0-q0(2),·,D0-q0(n),D0-q0+1(1),·,D0-q0+1(n),·D0q0(1),D0q0(2),·,D0q0(n))F1=(D1-q0(1),D1-q0(2),·,D1-q0(n),D1-q0+1(1),·,D1-q0+1(n),·D1q0(1),D1q0(2)·,D1q0(n))·Fi=(Di-q0(1),Di-q0(2),·,Di-q0(n),Di-q0+1(1),·,Di-q0+1(n),·Diq0(1),Diq0(2),·,Diq0(n))·Fk=(Dk-q0(1),Dk-q0(2),·,Dk-q0(n),Dk-q0+1(1),·,Dk-q0+1(n),·Dkq0(1),Dkq0(2),·,Dkq0(n))]]>其中，i＝1，2，·，k表示调制方式的个数，由此定义关联系数γ(F₀，F_i)的计算方法为：γ(F0,Fi)=miniminN|F0(N)-Fi(N)|+ξmaximaxN|F0(N)-Fi(N)||F0(N)-Fi(N)|+ξmaximaxN|F0(N)-Fi(N)|,]]>表示每种信号特征向量的第N个特征，ξ为分辨系数，定义域ξ∈(0，1)，由此，未知通信信号的多重分形维数特征值F₀与数据库中已有模板调制方式的特征值F_i之间的灰色关联度γ₀(F₀，F_i)定义为：γ0=(F0,Fi)=1kΣi=1kγ(F0,Fi),]]>此灰色关联度为所求，选择未知调制信号与已知调制信号关联度最大的判断为该信号的调制类型，实现对通信信号的调制类型的分类识别。