[发明专利]基于聚类与粒子群重构星座图的信号识别方法与系统

摘要

本发明公开一种基于聚类与粒子群重构星座图的信号识别方法与系统，其通过减法聚类算法得到采集数据的数据点，再通过粒子群算法对聚类中心进行优化，最后得到重构的星座图。通过计算各星座数据点到原数据点的距离，将各星座数据点划分到半径不同的圆上，选择最大半径与最小半径之比与标准星座图圆半径的特征范围比较，来识别MQAM信号。与传统减法聚类算法相比，本发明抗干扰能力强，在低信噪比条件下，信号识别率高，且更利于应用到实际。

主权项

基于聚类与粒子群重构星座图的信号识别方法，其特征是，包括如下步骤：步骤(1)初始化邻域半径ra，设置上门限和下门限ε；步骤(2)把基带信号数据集的每一个数据点当作潜在的聚类中心，并计算每一个数据点的密度指标；步骤(3)从基带信号数据集中选出具有最大密度指标的数据点赋值给ck，其密度指标同时赋值给Dck和Dc1；步骤(4)采用粒子群算法对数据点ck进行修正，得到修正后的数据点c'k；步骤(5)判断是否成立；如果成立，则把修正后的数据点c'k作为聚类中心，并转至步骤(8)；否则，转至步骤(6)；步骤(6)判断Dck<εDc1是否成立；如果成立，则不把修正后的数据点c'k作为聚类中心，并转至步骤(9)；否则，转至步骤(7)；步骤(7)判断下式是否成立：dminra+Dck||ck′||≥1]]>式中：dmin为所有聚类中心之间的最小距离，ra为领域半径，Dck为第k个数据点的密度指标，c'k为修正后的数据点；如果成立，则把数据点c'k作为一个聚类中心，并转至步骤(8)；否则，将数据点c'k的密度指标置0，并转至步骤(8)；步骤(8)从基带信号数据集中余下的数据点中选择密度指标最高的数据点赋值给ck，其密度指标赋值给Dck，并返回步骤(4)；直至将基带信号数据集中的所有数据点选择完；步骤(9)输出所有的聚类中心；步骤(10)计算每个聚类中心到坐标原点的距离r，并进行排序；取前N个最大距离r的均值定义为rmax，后N个最小距离r的均值定义为rmin，其中N为设定值；并根据下式计算R的大小，作为MQAM的分类特征：R=rmaxrmin]]>步骤(11)将R与标准星座图圆半径的特征范围比较，并由此判别出QAM的信号类型。