專(zhuān)利名稱(chēng)：數(shù)字調(diào)制信號(hào)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于通信技術(shù)領(lǐng)域，具體涉及
絡(luò)的各種數(shù)字信號(hào)調(diào)制方式的識(shí)別方法。
種多徑信道、低信噪比條件下基于神經(jīng)網(wǎng)
背景技術(shù)：
隨著通信技術(shù)的發(fā)展，調(diào)制信號(hào)的體制及調(diào)制樣式變得更加復(fù)雜多樣，信號(hào)環(huán)境 越來(lái)越密集，信號(hào)調(diào)制類(lèi)型的識(shí)別顯得尤為重要和迫切。在民用方面，信號(hào)識(shí)別技術(shù)在無(wú)線 電頻譜管理中的信號(hào)認(rèn)證、干擾識(shí)別技術(shù)中顯得尤為重要。在軍用方面，尤其是電子對(duì)抗中 的通信對(duì)抗，無(wú)論是干擾敵方的通信還是破獲敵方的通信信號(hào)，都必須首先識(shí)別敵方通信 信號(hào)的調(diào)制方式。通信信號(hào)調(diào)制方式識(shí)別也是軟件無(wú)線電及重構(gòu)通信系統(tǒng)中的重要技術(shù)。 特別地，隨著正交頻分復(fù)用0F匿技術(shù)的廣泛采用，調(diào)制信號(hào)識(shí)別技術(shù)研究的信號(hào)集合越來(lái) 越大，且識(shí)別的復(fù)雜度也越來(lái)越高。 但是目前對(duì)于0F匿信號(hào)的識(shí)別研究較少，現(xiàn)有的數(shù)字信號(hào)的識(shí)別技術(shù)研究集中 在理想條件或僅有高斯白噪聲條件下，同時(shí)，現(xiàn)有的識(shí)別技術(shù)在低信噪比條件下識(shí)別率不 高，不能滿(mǎn)足實(shí)際應(yīng)用的需要。因此，在多徑、低信噪比條件下研究一種能適用多體制的信 號(hào)識(shí)別技術(shù)顯得十分重要。神經(jīng)網(wǎng)絡(luò)所具有的信息分布式儲(chǔ)存、大規(guī)模自適應(yīng)并行處理和 高度的容錯(cuò)性等特點(diǎn)，特別是其學(xué)習(xí)能力和容錯(cuò)性對(duì)不確定性模式識(shí)別具有獨(dú)到之處，特 別適用于多徑、低信噪比條件下的信號(hào)識(shí)別。 目前，基于神經(jīng)網(wǎng)絡(luò)的方法中存在著兩個(gè)問(wèn)題一是單個(gè)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)識(shí)別系統(tǒng) 比較復(fù)雜，所需的神經(jīng)元個(gè)數(shù)多，且識(shí)別性能不理想。二是識(shí)別系統(tǒng)中特征參數(shù)的選取依賴(lài) 于設(shè)計(jì)者的經(jīng)驗(yàn)，目前還沒(méi)有一種普遍適用的選取和判別有效特征值的方法。針對(duì)第一個(gè) 問(wèn)題，人們提出了基于判決樹(shù)的神經(jīng)網(wǎng)絡(luò)，通過(guò)組合多個(gè)分類(lèi)器進(jìn)行分層判決，該方法降低 了單個(gè)分類(lèi)器的復(fù)雜度。但是，對(duì)于判決樹(shù)的設(shè)計(jì)也是基于設(shè)計(jì)者的經(jīng)驗(yàn)的。特征選取和 判決樹(shù)設(shè)計(jì)依賴(lài)設(shè)計(jì)者經(jīng)驗(yàn)帶來(lái)了識(shí)別率低的問(wèn)題，且在新的通信環(huán)境下，判決樹(shù)的結(jié)構(gòu) 需要重新構(gòu)建。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的不足，提供一種數(shù)字調(diào)制信號(hào)識(shí)別方法， 以提高通信系統(tǒng)中的信號(hào)識(shí)別率，且無(wú)需再次構(gòu)建新的判決樹(shù)就可以實(shí)現(xiàn)不同通信環(huán)境中 的數(shù)字信號(hào)識(shí)別。
為實(shí)現(xiàn)上述目的，本發(fā)明包括如下過(guò)程 (1)將待判別的特征參數(shù)矢量輸入到識(shí)別網(wǎng)絡(luò)的SOFM部分，并提取有效特征參 數(shù)； (2)根據(jù)S0FM網(wǎng)絡(luò)的提取結(jié)果和有效特征的提取順序，自上而下確定判決樹(shù)每個(gè) 節(jié)點(diǎn)中采用的特征參數(shù)； (3)用RBF網(wǎng)絡(luò)代替判決樹(shù)中的各個(gè)節(jié)點(diǎn)，構(gòu)成識(shí)別系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)；
(4)利用已知的訓(xùn)練集合，對(duì)識(shí)別系統(tǒng)網(wǎng)絡(luò)中的每個(gè)RBF識(shí)別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使訓(xùn) 練集合的識(shí)別誤差達(dá)到最小，確定每個(gè)RBF識(shí)別網(wǎng)絡(luò)隱含層和輸出層的各個(gè)連接權(quán)值和判 決門(mén)限，并固定這些識(shí)別網(wǎng)絡(luò)； (5)將接收到的待識(shí)別信號(hào)進(jìn)行采樣，將采樣信號(hào)輸入到已固定的識(shí)別網(wǎng)絡(luò)中，根 據(jù)判決樹(shù)的結(jié)構(gòu)自上而下計(jì)算有效特征參數(shù)值； (6)將有效特征參數(shù)值輸入到RBF識(shí)別網(wǎng)絡(luò)中計(jì)算其輸出值，用該輸出值與判決 門(mén)限進(jìn)行比較，判斷出識(shí)別信號(hào)的調(diào)制方式。 本發(fā)明利用SOFM網(wǎng)絡(luò)提取有效特征參數(shù)和判決樹(shù)的設(shè)計(jì)，大大減少了理論證明 帶來(lái)的復(fù)雜度和識(shí)別的不精確性，同時(shí)該方法對(duì)通信識(shí)別系統(tǒng)的改變具有很好的適應(yīng)能 力。利用RBF網(wǎng)絡(luò)代替判決樹(shù)的節(jié)點(diǎn)大大減少了用單個(gè)RBF分類(lèi)器進(jìn)行分類(lèi)引起的復(fù)雜度 高的問(wèn)題。本發(fā)明中提出的三個(gè)有效特征參數(shù)基于一次和兩次小波變換的特征參數(shù)V一瞬 時(shí)頻率特征參數(shù)MAX—fre、信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2可以很好地提高多徑、低 信噪比條件下信號(hào)的識(shí)別率。仿真表明，在多徑信道、低信噪比條件下，本發(fā)明所提出的方 法不僅可以有效的提取特征參數(shù)，而且大大提高了系統(tǒng)信號(hào)的識(shí)別率。



圖1.


圖2. 圖3. 圖4. 圖5.
是本發(fā)明提出的基于神經(jīng)網(wǎng)絡(luò)的識(shí)別系統(tǒng)結(jié)構(gòu)圖； 是本發(fā)明中所用的SOFM網(wǎng)絡(luò)的結(jié)構(gòu)圖； 是本發(fā)明經(jīng)過(guò)有效特征參數(shù)的提取后的判決樹(shù)結(jié)構(gòu)圖； 是本發(fā)明中使用的RBF網(wǎng)絡(luò)的結(jié)構(gòu)是本發(fā)明中基于一次和兩次小波變換的特征參數(shù)的提取過(guò)程示意圖。
具體實(shí)施例方式參見(jiàn)圖l，本發(fā)明包括如下過(guò)程 過(guò)程l，將待判別的特征參數(shù)矢量輸入到識(shí)別網(wǎng)絡(luò)中的SOFM部分，進(jìn)行有效特征 參數(shù)的提取。 SOFM網(wǎng)絡(luò)的結(jié)構(gòu)參見(jiàn)圖2，其中Xl， x2，…Xn為輸入神經(jīng)元，n為輸入特征向量的 維數(shù)，即神經(jīng)元個(gè)數(shù)，Sl， s2，…Sm為輸出層的神經(jīng)元，m為輸出神經(jīng)元的個(gè)數(shù)，代表最終的 聚類(lèi)數(shù)目，Wij代表第i個(gè)輸入神經(jīng)元與第j個(gè)輸出神經(jīng)元的連接權(quán)值，
利用Kohonen學(xué)習(xí)算法調(diào)整連接權(quán)值。則第j個(gè)輸出神經(jīng)元的輸出結(jié)果為 ~=藝,*、 (1)
;=1 有效特征參數(shù)的提取包括如下步驟 (1.1)選定特征參數(shù)矢量為F二 [FA,…Fn]，其中^，F(xiàn)2，…F,代表不同的特征 參數(shù)，將各類(lèi)采樣值的特征參數(shù)巳輸入到SOFM網(wǎng)絡(luò)中，并通過(guò)公式(1)計(jì)算各個(gè)輸出神經(jīng) 元的輸出結(jié)果； (1. 2)統(tǒng)計(jì)特征參數(shù)巳的S0FM網(wǎng)絡(luò)輸出結(jié)果的分類(lèi)類(lèi)別； (1. 3)將統(tǒng)計(jì)出的分類(lèi)類(lèi)別的個(gè)數(shù)與訓(xùn)練樣本的已知原型進(jìn)行比較，如果統(tǒng)計(jì)結(jié) 果與已知原型一致，則保留該有效特征參數(shù)，并將該特征參數(shù)作為判決樹(shù)的節(jié)點(diǎn)中選用的有效特征參數(shù)，反之，將巳判為無(wú)效的特征參數(shù)； (1.4)對(duì)特征參數(shù)F2，…Fw進(jìn)行相同的操作，最終選定7個(gè)有效特征參數(shù)分別為基于一次和兩次小波變換的特征參數(shù)V一兩次小波變換特征參數(shù)Vy信號(hào)的盒函數(shù)特征參數(shù)DBF1、信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2、瞬時(shí)頻率特征參數(shù)MAX—fre、基于非弱信號(hào)實(shí)部的特征參數(shù)o工和基于FFT變換的特征參數(shù)Fv。 過(guò)程2，根據(jù)S0FM網(wǎng)絡(luò)的提取結(jié)果和有效特征的提取順序，自上而下確定判決樹(shù)每個(gè)節(jié)點(diǎn)中采用的特征參數(shù)，判決樹(shù)的結(jié)構(gòu)參見(jiàn)圖3。 在判決樹(shù)的第一層中瞬時(shí)頻率特征參數(shù)MAX—fre將數(shù)字信號(hào)從噪聲中區(qū)別開(kāi)，在第二層中基于一次和兩次小波變換的特征參數(shù)Vw將單載波和多載波信號(hào)區(qū)分開(kāi)，在判決樹(shù)第三層中信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2將DVB-T信號(hào)和802. lla信號(hào)區(qū)分開(kāi)，基于非弱信號(hào)實(shí)部的特征參數(shù)o工將2ASK、4ASK、2PSK從其他單載波信號(hào)中區(qū)分開(kāi)，在判決樹(shù)第四層中兩次小波變換特征參數(shù)V2將QAM信號(hào)從2FSK、4FSK、4PSK信號(hào)中區(qū)別開(kāi)，基于FFT變換的特征參數(shù)Fv將2ASK、2FSK信號(hào)與4ASK信號(hào)區(qū)分開(kāi)，在判決樹(shù)第五層中信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2將2FSK信號(hào)與4FSK、4PSK信號(hào)區(qū)分開(kāi)，在判決樹(shù)第六層中信號(hào)的盒函數(shù)特征參數(shù)DBF1將4PSK信號(hào)和4FSK信號(hào)區(qū)別開(kāi)。 過(guò)程3，用RBF網(wǎng)絡(luò)代替判決樹(shù)中的各個(gè)節(jié)點(diǎn)，構(gòu)成識(shí)別系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)，RBF網(wǎng)絡(luò)的結(jié)構(gòu)參見(jiàn)圖4，其中，乂= [Xl，x2 xJ是網(wǎng)絡(luò)的輸入，￥= [yi，y2 yM]是網(wǎng)絡(luò)的輸出，C^q，c2… ]-為隱含層的中心值，^為隱含層的節(jié)點(diǎn)數(shù)。^^L/i，/2…/w,]是徑向基函數(shù)，則第一層中第j個(gè)節(jié)點(diǎn)的輸出為m, =exp(———^~~^), / = 1,2,., (2) 其中，o /為第j個(gè)節(jié)點(diǎn)的歸一化參量，*表示共軛運(yùn)算。
RBF網(wǎng)絡(luò)的第i個(gè)輸出節(jié)點(diǎn)方程為
yi = WiU*， i = 1，2，…M (3) 其中，K = K, ， 、■ W ]是節(jié)點(diǎn)的權(quán)矢量，U = [A， "2…"w,]為隱含層輸出矢量。
過(guò)程4，利用已知的訓(xùn)練集合，對(duì)識(shí)別系統(tǒng)網(wǎng)絡(luò)中的每個(gè)RBF網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，隱含層進(jìn)行K-近鄰算法，輸出層用LMS算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使訓(xùn)練集合的識(shí)別誤差達(dá)到最小，以確定隱含層和輸出層的各個(gè)連接權(quán)值和判決門(mén)限，并固定該識(shí)別網(wǎng)絡(luò)。
過(guò)程5，將接收到的待識(shí)別信號(hào)進(jìn)行采樣，將采樣信號(hào)輸入到已固定的識(shí)別系統(tǒng)網(wǎng)
絡(luò)中，根據(jù)判決樹(shù)的結(jié)構(gòu)自上而下計(jì)算有效特征參數(shù)值，包括如下過(guò)程
(5. 1)計(jì)算瞬時(shí)頻率特征參數(shù)MAX—fre : (5. 1. 1)根據(jù)公式一)=31^011:，/ = 1，2，一^計(jì)算采樣值的瞬時(shí)相位，其中，Q(i)和I(i)分別為第n個(gè)信號(hào)采樣值的虛部和實(shí)部； (5. 1. 2)通過(guò)公式六/) = ^~[< >(/ + 1) —W-l)y y,2,…X計(jì)算采樣值的瞬時(shí)頻率，
并對(duì)瞬時(shí)頻率/。求最大值，得到瞬時(shí)頻率特征參數(shù)MAX_fre。
(5. 2)計(jì)算基于一次和兩次小波變換特征參數(shù)Vw : 基于一次和兩次小波變換的特征參數(shù)Vw的提取過(guò)程參見(jiàn)圖5，具體包括如下過(guò)
6程
(5. 2. 1)根據(jù)公式『(a,T》
4^^>("甲'(^)對(duì)采樣值進(jìn)行一次Haar小波
/d/; 丁 a
變換，其中，其中，lA/^為能量歸一化因子，n為平移因子，d為尺度因子，W(t)為小波母函數(shù)，將采樣值進(jìn)行中值濾波，并計(jì)算方差K ;
^5>(&)甲'(^)對(duì)采樣值再進(jìn)行一次Haar小 (5.2.2)根據(jù)公式『(《,"=
波變換，將采樣值進(jìn)行中值濾波，并計(jì)算方差^ ; (5. 2. 3)通過(guò)公式Vw = [K V2]得到基于一次和兩次小波變換特征參數(shù)Vwt3)計(jì)算基于非弱信號(hào)實(shí)部的特征參數(shù)o工
(5.(5.
是采樣值；
(5. (5.
數(shù)o工，其中
(5.
(5.
(5.征參數(shù)Fv。
(5.
3. 1)根據(jù)公式氣=1/^ J^得到采樣值的平均值，其中，Ns是采樣值的個(gè)數(shù)，Si
3. 2)通過(guò)公式ai = Si/ma-l對(duì)采樣值進(jìn)行零歸一化處理；
3. 3)通過(guò)"/ = Jf^X^S^TW計(jì)算得到基于非弱信號(hào)實(shí)部的特征參
,工i為第i個(gè)信號(hào)的實(shí)部，at為非弱信號(hào)的判決門(mén)限，c為非弱信號(hào)的個(gè)數(shù)。
4) 計(jì)算基于FFT變換的特征參數(shù)Fv :
4. 1)計(jì)算采樣值的相關(guān)矩陣Rs( t );
4. 2)對(duì)相關(guān)矩陣Rs")求FFT變換，并對(duì)結(jié)果求方差得到基于FFT變換的特
5) 計(jì)算信號(hào)的盒函數(shù)特征參數(shù)DBF1 : (5. 5. 1)根據(jù)公式"(^) = !>,-5,+1|計(jì)算相鄰采樣值的絕對(duì)差值，其中，
^ ， J2 ， ... S乂
為信號(hào)的采樣值；
(W-l)/2 (5.5.2)通過(guò)公式d(2A)二 J] (max("2^, ，"2,.+J —min("2^,a2,，a2,+J計(jì)算采樣
值的信息熵，其中，^A，…"K為采樣值的瞬時(shí)幅度； (5. 5. 3)通過(guò)計(jì)算公式DBF1 = l+log2 (d ( A )/d (2 A ))得到信號(hào)的盒函數(shù)特征參數(shù)DBFl，其中，d(A)為相鄰采樣值瞬時(shí)幅度的絕對(duì)差值，d(2A)為采樣值的信息熵
(5. 6)計(jì)算信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2 : (5. 6. 1)根據(jù)公式6(厶)=￡|^—"wl計(jì)算相鄰采樣值瞬時(shí)幅度的絕對(duì)差值，其中，
,=1
"""2，… 為采樣值的瞬時(shí)幅度；
(W-l)/2 (5.6.2)通過(guò)公式"(2厶)=Z (max{"2M,a2,,^+1}-min{^_p^,a2,+J計(jì)算采樣
值的信息熵； (5.6.3)通過(guò)公式DBF2 = l+log2 (b ( A )/d (2 A ))計(jì)算得到信號(hào)的盒函數(shù)特征參
7數(shù)DBF2，其中，b(A)為相鄰采樣值瞬時(shí)幅度的絕對(duì)差值，d(2A)為采樣值的信息熵。
過(guò)程6，將有效特征參數(shù)值輸入到單個(gè)RBF網(wǎng)絡(luò)中，判斷出識(shí)別信號(hào)的調(diào)制方式。
參照?qǐng)D3，判斷過(guò)程如下 (6. 1)對(duì)于瞬時(shí)頻率特征參數(shù)MAX_fre，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將數(shù)字信號(hào)的目標(biāo)值設(shè)為1，噪聲的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為0. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值，輸入到RBF網(wǎng)絡(luò)；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為數(shù)字信號(hào)，小于0.5的歸一化值判為噪聲； (6. 2)對(duì)于基于一次和兩次小波變換的特征參數(shù)Vw，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將單載波信號(hào)的目標(biāo)值設(shè)為1，多載波的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為0. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值，輸入到RBF網(wǎng)絡(luò)；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于O. 5的歸一化值所對(duì)應(yīng)的采樣值判為單載波信號(hào)，小于0. 5的歸一化值判為多載波信號(hào)； (6. 3)對(duì)于信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將DVB-T信號(hào)的目標(biāo)值設(shè)為1，802. lla信號(hào)的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為0. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為DVB-T信號(hào)，小于0. 5的歸一化值判為802. lla ; (6.4)對(duì)于基于非弱信號(hào)實(shí)部的特征參數(shù)Op先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將2ASK、 4ASK、 2PSK信號(hào)的目標(biāo)值設(shè)為1 ，其他單載波信號(hào)的目標(biāo)值設(shè)為0 ，門(mén)限值設(shè)為0.5;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為2ASK、4ASK、2PSK —類(lèi)，小于0. 5的歸一化值判為另一類(lèi)。 (6. 5)對(duì)于兩次小波變換特征參數(shù)V2，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將QAM信號(hào)的目標(biāo)值設(shè)為l，將2FSK、4FSK、4PSK信號(hào)的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為0. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為QAM信號(hào)，小于0. 5的歸一化值判為2FSK、4FSK、4PSK信號(hào)一類(lèi)。 (6. 6)對(duì)于基于FFT變換的特征參數(shù)Fv，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將4ASK信號(hào)的目標(biāo)值設(shè)為l，將2ASK、2FSK信號(hào)的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為0. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為4ASK信號(hào)，小于0. 5的歸一化值判為2ASK、2FSK信號(hào)一類(lèi)。 (6. 7)對(duì)于信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將2FSK信號(hào)的目標(biāo)值設(shè)為1，將4FSK、4PSK信號(hào)的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為O. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為2FSK信號(hào)，小于0. 5的歸一化值判為4FSK、4PSK信號(hào)一類(lèi)。 (6. 8)對(duì)于信號(hào)盒函數(shù)特征參數(shù)DBF1，先訓(xùn)練其對(duì)應(yīng)的RBF網(wǎng)絡(luò)，并分別將4FSK信號(hào)的目標(biāo)值設(shè)為l，將4PSK信號(hào)的目標(biāo)值設(shè)為0，門(mén)限值設(shè)為0. 5 ;再將待識(shí)別的各采樣值的特征參數(shù)進(jìn)行歸一化，該歸一化值作為RBF網(wǎng)絡(luò)的輸入值；最后，根據(jù)公式(3)計(jì)算RBF網(wǎng)絡(luò)的輸出值，對(duì)于輸出值大于0. 5的歸一化值所對(duì)應(yīng)的采樣值判為4FSK信號(hào)，小于0. 5的歸一化值判為4PSK信號(hào)。 本發(fā)明的效果可以通過(guò)以下仿真進(jìn)一步說(shuō)明
1.仿真環(huán)境 在多徑信道、低信噪比條件下對(duì)整個(gè)識(shí)別系統(tǒng)進(jìn)行仿真，仿真環(huán)境如表1所示。
表1 仿真環(huán)境
數(shù)值
信號(hào)類(lèi)型多載波 信號(hào)DVB-T OFDM信號(hào)2k FFT模式
802.1 la信號(hào)
單載波 信號(hào){2FSK, 4FSK, 2PSK, 4PSK， 16QAM， 64QAM, 2ASK， 4ASK} 符號(hào)率20M/s 載波頻率60MHz
信道多徑信道，附加高斯白噪聲 信噪比OdB, 4dB, 8dB, 12dB, 16dB, 20dB 仿真信道模型選用7條多徑，多普勒頻移為 備z 2.仿真結(jié)果 仿真結(jié)果都是基于100次Monte-carlo實(shí)驗(yàn)，如表2。 表2 不同信噪比下數(shù)字信號(hào)的識(shí)別率
SNR(db)2ASK4ASK802. llaDVB-T
098%100%100%100%
4100%100%100%100%
8100%100%100%100%
12100%100%100%100%
16100%100%100%100%
20100%100%100%100%
9SNR(db)2ASK4ASK802. llaDVB-T
SNR(db)2FSK4FSKQAMPSK
095. 5%80%98%97%
497%78%99%99%
8100%78%100%90%
12100%100%100%82%
16100%92%100%78%
20100%76%100%76% 從表2中可以看出，本發(fā)明提出的方法不僅可以很好的對(duì)數(shù)字信號(hào)進(jìn)行識(shí)別，提高了多徑、低信噪比條件下的識(shí)別率，而且該識(shí)別系統(tǒng)大大降低了信號(hào)識(shí)別的復(fù)雜度。
權(quán)利要求
一種數(shù)字調(diào)制信號(hào)識(shí)別方法，包括如下過(guò)程(1)將待判別的特征參數(shù)矢量輸入到識(shí)別網(wǎng)絡(luò)的SOFM部分，并提取有效特征參數(shù)；(2)根據(jù)SOFM網(wǎng)絡(luò)的提取結(jié)果和有效特征的提取順序，自上而下確定判決樹(shù)每個(gè)節(jié)點(diǎn)中采用的特征參數(shù)；(3)用RBF網(wǎng)絡(luò)代替判決樹(shù)中的各個(gè)節(jié)點(diǎn)，構(gòu)成識(shí)別系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)；(4)利用已知的訓(xùn)練集合，對(duì)識(shí)別系統(tǒng)網(wǎng)絡(luò)中的每個(gè)RBF識(shí)別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使訓(xùn)練集合的識(shí)別誤差達(dá)到最小，確定每個(gè)RBF識(shí)別網(wǎng)絡(luò)隱含層和輸出層的各個(gè)連接權(quán)值和判決門(mén)限，并固定這些識(shí)別網(wǎng)絡(luò)；(5)將接收到的待識(shí)別信號(hào)進(jìn)行采樣，將采樣信號(hào)輸入到已固定的識(shí)別網(wǎng)絡(luò)中，根據(jù)判決樹(shù)的結(jié)構(gòu)自上而下計(jì)算有效特征參數(shù)值；(6)將有效特征參數(shù)值輸入到RBF識(shí)別網(wǎng)絡(luò)中計(jì)算其輸出值，用該輸出值與判決門(mén)限進(jìn)行比較，判斷出識(shí)別信號(hào)的調(diào)制方式。
2. 根據(jù)權(quán)利要求l所述的數(shù)字調(diào)制信號(hào)識(shí)別方法，其中步驟(1)所述的進(jìn)行有效特征 參數(shù)的提取，按如下過(guò)程進(jìn)行；(2a)選定特征參數(shù)矢量為:F = [Fp F2， ".FJ，其中&， F2，…F,代表不同的特征參數(shù)；(2b)統(tǒng)計(jì)特征參數(shù)巳的SOFM網(wǎng)絡(luò)輸出結(jié)果的分類(lèi)類(lèi)別；(2c)將統(tǒng)計(jì)出的分類(lèi)類(lèi)別的個(gè)數(shù)與訓(xùn)練樣本的已知原型進(jìn)行比較，如果統(tǒng)計(jì)結(jié)果與已 知原型一致，則保留該有效特征參數(shù)，并將該特征參數(shù)作為判決樹(shù)的節(jié)點(diǎn)中選用的有效特 征參數(shù)，反之，將F1判為無(wú)效的特征參數(shù)；(2d)對(duì)特征參數(shù)&，…F,進(jìn)行相同的操作，最終選定7個(gè)有效特征參數(shù)分別為基于一 次和兩次小波變換的特征參數(shù)V一兩次小波變換特征參數(shù)Vy信號(hào)的盒函數(shù)特征參數(shù)DBFl、 信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2、瞬時(shí)頻率特征參數(shù)MAX—fre、基于非弱信號(hào)實(shí)部的 特征參數(shù)o工和基于FFT變換的特征參數(shù)Fv。
3. 根據(jù)權(quán)利要求l所述的數(shù)字調(diào)制信號(hào)識(shí)別方法，其中步驟(5)所述的根據(jù)判決樹(shù)的 結(jié)構(gòu)自上而下計(jì)算有效特征參數(shù)值，按如下過(guò)程進(jìn)行(3a)計(jì)算瞬時(shí)頻率特征參數(shù)MAX—fre ;(3b)計(jì)算基于一次和兩次小波變換特征參數(shù)V"(3c)計(jì)算基于非弱信號(hào)實(shí)部的特征參數(shù)o工；(3d)計(jì)算基于FFT變換的特征參數(shù)Fv ;(3e)計(jì)算信號(hào)的盒函數(shù)特征參數(shù)DBF1 ;(3f)計(jì)算信號(hào)瞬時(shí)幅度的盒函數(shù)特征參數(shù)DBF2。
4. 根據(jù)權(quán)利要求3所述的數(shù)字調(diào)制信號(hào)識(shí)別方法，其中所述的計(jì)算瞬時(shí)頻率特征參數(shù) MAX—fre，按如下過(guò)程計(jì)算(4a)根據(jù)公式,(p0'卜arctan^，、l，2，…^計(jì)算采樣值的瞬時(shí)相位，其中，q(土)和I (i)分別為第n個(gè)信號(hào)采樣值的虛部和實(shí)部；(4b)通過(guò)公式六0 = ^"[(^' + 1) —一'-1)]" = 1,2廣《計(jì)算采樣值的瞬時(shí)頻率，并對(duì)瞬時(shí)頻率/(/)求最大值，得到瞬時(shí)頻率特征參數(shù)MAX_fre。
5. 根據(jù)權(quán)利要求3所述的數(shù)字調(diào)制信號(hào)識(shí)別方法，其中所述的計(jì)算基于一次和兩次小 波變換特征參數(shù)V^按如下過(guò)程計(jì)算(5a)對(duì)采樣值進(jìn)行一次Haar小波變換，將采樣值進(jìn)行中值濾波，并計(jì)算方差^ ; (5b)對(duì)采樣值進(jìn)行兩次Haar小波變換，將采樣值進(jìn)行中值濾波，并計(jì)算方差V2 ; (5c)通過(guò)公式<formula>formula see original document page 3</formula>得到基于一次和兩次小波變換特征參數(shù)V^
6. 根據(jù)權(quán)利要求3所述的數(shù)字調(diào)制信號(hào)識(shí)別方法，其中所述的計(jì)算信號(hào)瞬時(shí)幅度的盒 函數(shù)特征參數(shù)DBF2，按如下步驟計(jì)算(6a)根據(jù)公式<formula>formula see original document page 3</formula>計(jì)算相鄰采樣值瞬時(shí)幅度的絕對(duì)差值，其中， "P"2，…"W,為采樣值的瞬時(shí)幅度；(6b)通過(guò)公式<formula>formula see original document page 3</formula>fl2wH十算采樣值的信息熵；(6c)通過(guò)公式<formula>formula see original document page 3</formula>計(jì)算得到信號(hào)的盒函數(shù)特征參數(shù)DBF2， 其中，b(A)為相鄰采樣值瞬時(shí)幅度的絕對(duì)差值，d(2A)為采樣值的信息熵。
全文摘要
本發(fā)明公開(kāi)了一種數(shù)字調(diào)制信號(hào)識(shí)別方法。其識(shí)別過(guò)程是將待判別的特征參數(shù)矢量輸入到識(shí)別網(wǎng)絡(luò)的SOFM部分，提取有效特征參數(shù)，并自上而下確定判決樹(shù)每個(gè)節(jié)點(diǎn)中采用的特征參數(shù)；用RBF網(wǎng)絡(luò)代替判決樹(shù)中的各個(gè)節(jié)點(diǎn)，構(gòu)成識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)；利用已知的訓(xùn)練集合，訓(xùn)練每個(gè)RBF網(wǎng)絡(luò)，使其識(shí)別誤差達(dá)到最小，確定隱含層和輸出層的各個(gè)連接權(quán)值和判決門(mén)限，并固定該識(shí)別網(wǎng)絡(luò)；將采樣值輸入到已固定的識(shí)別網(wǎng)絡(luò)中，根據(jù)判決樹(shù)的結(jié)構(gòu)自上而下計(jì)算有效特征參數(shù)值；將有效特征參數(shù)值輸入到RBF網(wǎng)絡(luò)中計(jì)算其輸出值，并與判決門(mén)限進(jìn)行比較，判斷出信號(hào)的調(diào)制方式。本發(fā)明有效地提取了特征參數(shù)，減少了理論證明的復(fù)雜性和不精確性，提高了在多徑、低信噪比條件下的識(shí)別率。
文檔編號(hào)H04L27/26GK101783777SQ200910021758
公開(kāi)日2010年7月21日 申請(qǐng)日期2009年3月31日 優(yōu)先權(quán)日2009年3月31日
發(fā)明者李兵兵, 汪峰 申請(qǐng)人:西安電子科技大學(xué)