[发明专利]一种基于混合高斯模型的最大似然调制识别方法

摘要

本发明属于通信信号调制识别技术领域，尤其涉及一种基于混合高斯模型的最大似然调制识别方法。该方法对于传统的信号星座模型进行了扩展，通过混合高斯模型来模拟真实环境下的信号处理机误差，将这些信号处理机的误差属性与传统的信号星座模型进行结合，使新的星座模型对于真实环境具有更好的稳健性，通过实验证明该模型具有较好的性能曲线，同时拥有较低的运算复杂度。

主权项

一种基于混合高斯模型的最大似然调制识别方法，其特征在于，包括如下步骤：S1、对接收信号进行盲均衡、载频和相位同步处理，得到其中，k＝1,..,K，sk,n表示第k个标准化星座发送的第n个符号，总共有K个待识别的信号星座，N为总的观测到的符号数，Δθn是经过载频相位同步处理后总的系统残差，Δθn服从[Δθmin,Δθmax]上的均匀分布，并且在一个符号周期内保持不变，p(t)是脉冲成型滤波器，可以为任意的对称成型函数，TS是符号长度，w是分布于的复加性高斯白噪声，Σ0=σ2/200σ2/2,]]>σ2表示噪声功率，信噪比SNR为γn均匀分布于[γmin,γmax]且在一个符号周期内保持不变，γn为第n个符号的幅度波动因子；S2、将S1所述r经过符号同步误差为ε的符号匹配滤波器处理得到信号rn=1Ts∫(n-1-ϵ)Ts(n-1)Tsγn-1sk,n-1ejΔθn-1p(t-(n-2)Ts)dt+1Ts∫(n-1)Ts(n-ϵ)Tsγnsk,nejΔθnp(t-(n-1)Ts)dt+wn=ϵγn-1sk,n-1ejΔθn-1+(1-ϵ)γnsk,nejΔθn+wn,]]>其中，ε为一个随机变量，所述ε均匀分布于[εmin,εmax]上，所述ε在一次信号处理过程中保持不变，wn为经过匹配滤波器的噪声样本，Ts为一个符号的长度，j表示复数，；S3、对S2所述信号rn进行训练，得到混合高斯模型(Gaussian Mixture Model，GMM)，训练过程具体如下：S31、初始化第k个GMM的中心为第k个星座图的星座点uj,k，其中，uj,k表示第k个星座图的第j个星座点，Mk表示第k个星座图的点数，j＝1,2,...,Mk,k＝1,...,K；S32、对i＝1:m，j＝1:Mk：ri∈uj,k=defargmin|ri-uj,k|2,]]>其中，m为训练样本数；S33、得到GMM参数：μj,k=Σi=1m1{ri∈uj,k}riΣi=1m1{ri∈uj,k}]]>Σj,k=Σi=1m(1{ri∈uj,k}ri-μj,k)(1{ri∈uj,k}ri-μj,k)TΣi=1m1{ri∈uj,k},]]>其中，μj,k，∑j,k表示第k个星座高斯混合模型的均值和方差，φj,k表示混合高斯模型各个高斯分布的先验概率，所述先验概率为等概率分布；S4、根据S33所述∑j,k定义系统信号处理产生的偏差对星座图的影响为∑'j,k；S5、设发射的星座图是能量归一化的星座图，则∑0为已知，得到与星座图对应的混合高斯模型S6、将S5所述混合高斯模型经过噪声功率为的高斯信道，得到对应的对数似然函数为其中，Σ^j,k=Σj,k′+Σ^0,]]>为发射的第k个星座图，1≤k≤K；S7、根据S3所述训练过程可知：∑j,k＝∑'j,k+∑0，则其中，∑0为噪声协方差；S8、接收N个信号样本的对数似然函数为：S9、、通过最大化上述对数似然函数我们对所接收的信号作出判决，得出调制类型为：