[发明专利]一种基于KL散度的通信信号图域特征提取方法

摘要

本发明公开了一种基于KL散度的通信信号图域特征提取方法，利用通信信号的循环谱，在保证算法鲁棒性的前提下实现了特征序列的自动构建；具体讲，本发明首先通过图域映射理论，将通信信号的循环谱转换为一系列邻接矩阵，并提取邻接矩阵中的元素构建特征序列备选集；然后对特征序列备选集中的每一个索引，根据每种调制类型在该索引处元素值的大小确定主调制类型，并计算主调制类型相对其他调制类型的KL散度；最后根据KL散度的大小来建立每种调制类型的特征序列。

主权项

1.一种基于KL散度的通信信号图域特征提取方法，其特征在于，包括以下步骤：(1)、通信信号图域映射(1.1)、设置调制类型候选集Mdef，Mdef＝{M1,M2,...,MK}，其中，Mk表示第k种调制类型，k＝1,2,...,K，K表示调制类型总数；(1.2)、利用FAM算法计算通信信号x(n)的循环谱其中，α为循环频率，α的取值为[α₁,α₂,…,α_p]，p为循环频率的取值个数，f为x(n)的频率，再对循环谱进行归一化和量化处理得到谱(1.3)、在谱中，根据的对称性，在每种调制类型下取α和f均为正的四分之一谱映射到图域，得到一个图集其中，表示第k种调制类型下循环频率为α_τ时的一个图，τ＜p；将图集中的每一个图转换为一个邻接矩阵，建立起相应的邻接矩阵集由图转换成的邻接矩阵；同理，建立其余调制类型下的邻接矩阵集；(2)、构建特征序列备选集在所有邻接矩阵集中，取所有邻接矩阵的元素加入到特征序列备选集Idef中；Idef＝{β1,β2,…,βi,…,βI}其中，βi表示第i个元素，i＝1,2,...,I，I表示的最大数量；(3)、自动构建特征序列(3.1)、确定主调制类型重复计算次数为M；在第k种调制类型下第m次计算时，m＝1,2,…,M，根据I^def中索引i找到到对应邻接矩阵中的一个元素，其值记为重复计算M次，得到第k种调制类型下的M个值同理，分别得到其余调制类型下的M个值；对每种调制类型下的M个值求绝对累，再选出绝对累和最大的一组对应的调制类型作为主调主调制类型，其索引为Kdef，即(3.2)、计算主调制类型在每个索引处的KL散度在第i个索引处，统计M次计算时第k种调制类型下的的概率分布：其中，其中，x_k,i是每次计算时的随机变量；再对xk,i取绝对值|xk,i|，得：同理，计算出第i个索引处M次计算时，其余调制类型下的概率分布并将主调制类型的概率分布记为然后计算第i个索引处的主调制类型的联合KL散度Ψi；同理，按照上述方法可以求得每一个索引i＝1,2...,I处主调制类型的联合KL散度；(3.3)、根据KL散度构建特征序列设K种调制类型总共需要提取N个特征；在I个KL散度中选出最大的前N个KL散度，并作为需要提取N个特征；然后根据这前N个KL散度找到对应的主调制类型，再将该主调制类型下对应元素构建图域特征序列。