一種基于證據(jù)折扣的協(xié)作調制識別方法
【專利摘要】本發(fā)明的目的在于提出一種基于證據(jù)折扣的協(xié)作調制識別方法，本發(fā)明通過多個節(jié)點協(xié)作來完成11種調制方式的識別。具體過程是：首先N個節(jié)點分別單獨提取出能區(qū)分調制類型的7個特征參數(shù)，將這7個參數(shù)送入事先已經(jīng)訓練好的BP神經(jīng)網(wǎng)絡進行識別，將神經(jīng)網(wǎng)絡的輸出送到融合中心，融合中心采用證據(jù)理論進行融合，將神經(jīng)網(wǎng)絡的輸出作為D-S證據(jù)理論中的基本概率賦值（BPAF），并根據(jù)節(jié)點接收信噪比的情況對證據(jù)進行調整，由證據(jù)理論對N個節(jié)點的數(shù)據(jù)進行融合，得到識別結果。本發(fā)明提高信噪比高的數(shù)據(jù)對融合結果的貢獻，同時降低信噪比低的數(shù)據(jù)對融合結果的影響，有效的提高了融合性能。
【專利說明】一種基于證據(jù)折扣的協(xié)作調制識別方法

【技術領域】
[0001] 本發(fā)明涉及一種基于決策層數(shù)據(jù)融合的協(xié)作調制信號識別方法方案，屬于通信技 術領域。

【背景技術】
[0002] 調制識別是信號檢測和信息解調之間的一個中間過程，它的任務是：在完成信號 檢測及部分參數(shù)估計的基礎上，對接收機接收到的感興趣信號的觀測數(shù)據(jù)作適當?shù)奶幚恚?并根據(jù)某種規(guī)則判定該信號屬于預先設定的若干種調制形式的某一種，為信息解調等后續(xù) 通信任務提供必要的信息。
[0003] 通信信號調制識別方法與策略雖然紛繁復雜，就目前而言，識別分類的基本方法 主要有兩種，一是決策論方法，二是統(tǒng)計模式識別方法。決策論途徑的基本框架是符合假設 檢驗，它適應與待識別種類有效的情況；而統(tǒng)計模式識別途徑的基本框架則是先從信號中 提取事先選定的特征，然后進行模式識別。不論是決策論途徑還是模式識別途徑，無線信號 的自動調制識別實際上都是假設檢驗和統(tǒng)計推斷這兩個基本數(shù)學方法的實現(xiàn)。
[0004] 數(shù)據(jù)融合是利用計算機對各種信息源進行處理、控制和決策的一體化過程。它的 功能主要包括檢測、相關、識別和估計。數(shù)據(jù)融合結構的分類方法有多種，第一種分類方法 是根據(jù)對原始數(shù)據(jù)處理方法的不同，在這種分類標準下，數(shù)據(jù)融合可以分為三種處理結構， 分別是：集中式處理結構、分布式處理結構以及混合式處理結構。另一種方法可以按照數(shù)據(jù) 抽象的三個層次，分為像素級融合，特征級融合和決策級融合。
[0005] 決策級融合相對前兩級融合而言，是一種高層次的融合。它要求在融合之前，同 一目標不同類型的傳感器的信號處理模塊能夠完成包括特征提取，識別或者判決分類等任 務。融合中心只是根據(jù)一定的準則和決策的可信度作出最優(yōu)決策，以便融合結果具有良好 的實時性和容錯性，使得即使在一種或幾種傳感器失效的情況下也能工作。決策級融合在 信息處理方面具有很高的靈活性，系統(tǒng)對信息傳送的帶寬要求較低，能有效地反映環(huán)境或 目標各個側面的不同類型信息，通信量小，抗干擾能力強，融合中心處理代價低。關于決策 級的融合已有研究采用加權表決的融合算法，但該算法在低信噪比時性能并不是很好。本 發(fā)明采用D-S證據(jù)理論的方法進行融合。


【發(fā)明內容】

[0006] 技術問題：由于無線通信環(huán)境中存在深衰落、陰影效應和隱藏節(jié)點等問題而使得 單個用戶在某個時間段對調試方式的識別出錯，特別在低信噪比時識別率很低，本發(fā)明提 出一種基于證據(jù)折扣的協(xié)作調制識別方法，以解決此問題。
[0007] 技術方案：本發(fā)明提出一種基于決策層數(shù)據(jù)融合的協(xié)作調制信號識別方法，通 過 N 個用戶協(xié)作來完成對{2ASK，4ASK，2PSK，4PSK，8PSK，8QAM，16QAM，32QAM，2FSK，4FSK， 0FDM}這11種調制方式的識別。首先N個節(jié)點分別單獨提取出能區(qū)分調制類型的七個特 征參數(shù)：零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差σ ap，零中心非弱信號 段瞬時相位非線性分量的標準偏差σ dp，二階矩和四階矩的組合K2(l，高階累積量C4(l和C42， 以及信號微分之后再提取的K2(l和C42。將這7個參數(shù)送入事先已經(jīng)訓練好的BP神經(jīng)網(wǎng)絡 進行識別，神經(jīng)網(wǎng)絡的輸出作為D-S證據(jù)理論中的基本概率賦值（BPAF)，再由證據(jù)理論對N 個節(jié)點的數(shù)據(jù)進行融合，得到識別結果。在此基礎上，引入證據(jù)折扣優(yōu)化的D-S融合算法， 根據(jù)節(jié)點接收信噪比的情況對證據(jù)進行調整，得出新的基本概率賦值，提高信噪比高的數(shù) 據(jù)對融合結果的貢獻，同時降低信噪比低的數(shù)據(jù)對融合結果的影響，提高融合性能。
[0008] 本發(fā)明基于證據(jù)折扣的協(xié)作調制識別方法包括以下步驟：
[0009] a.每一個節(jié)點獨立提取七個特征參數(shù)：零中心非弱信號段瞬時相位非線性分量 絕對值的標準偏差〇 ap，零中心非弱信號段瞬時相位非線性分量的標準偏差〇dp，二階矩和 四階矩的組合K 2(l，高階累積量C4(l和C42 ;
[0010] b.特征參數(shù)送入事先訓練好的BP神經(jīng)網(wǎng)絡，得到節(jié)點i神經(jīng)網(wǎng)絡的輸出 Pi (2ASK)，Pi(4ASK)，Pi (2PSK)，Pi(4PSK)，Pi(8PSK)，Pi(8QAM)，Pi(16QAM)，Pi(32QAM)， Pi(2FSK)，P i(4FSK)，Pi(0FDM)，其中l(wèi)<i<N，N為節(jié)點數(shù)，若輸出小于0.2將其取值賦為 0,將神經(jīng)網(wǎng)絡的輸出送到融合中心；
[0011] C.根據(jù)各個節(jié)點的神經(jīng)網(wǎng)絡的輸出以及該節(jié)點接收信噪比的大小，計算證據(jù)理論 中的基本概率賦值，以提高信噪比高的數(shù)據(jù)對融合結果的貢獻，同時降低信噪比低的數(shù)據(jù) 對融合結果的影響，融合中心使用D-S證據(jù)理論的合成規(guī)則對N個節(jié)點的數(shù)據(jù)進行融合，得 到最終識別結果。
[0012] 基本概率賦值的計算過程如下：
[0013] 證據(jù)理論的焦元為{2ASK，4ASK，2PSK，4PSK，8PSK，8QAM，16QAM，32QAM，2FSK，4FSK， 0FDM，〇}，其中Θ為識別框架，則節(jié)點i獲得的基本概率賦值 ：
[0014] nii (2ASK) =Pi (2ASK)
[0015] nij (4ASK) =Pj (4ASK)
[0016] ......
[0017] 1? (OFDM) =Pi (OFDM)
[0018] 1? (Θ) = (1-1? (2ASK)) (1-1? (4ASK))
[0019] (1-1? (2PSK)) (1-1? (4PSK)) (1-1? (8PSK))
[0020] (1-1? (8QAM)) (1-1? (16QAM) (1-1? (32QAM))
[0021] (1-1? (2FSK)) (1-1? (2ASK)) (1-1? (2FSK)) (1-1? (OFDM))
[0022] 對各基本概率賦值進行歸一化：
[0023] ......

【權利要求】
1. 一種基于證據(jù)折扣的協(xié)作調制識別方法，其特征在于該方法包括以下步驟： a. 每一個節(jié)點獨立提取七個特征參數(shù)：零中心非弱信號段瞬時相位非線性分量絕對 值的標準偏差〇ap，零中心非弱信號段瞬時相位非線性分量的標準偏差 〇dp，二階矩和四階 矩的組合K2(l，高階累積量C4(l和C 42 ; b. 特征參數(shù)送入事先訓練好的BP神經(jīng)網(wǎng)絡，得到節(jié)點i神經(jīng)網(wǎng)絡的輸出Pi(2ASK)， Pi (4ASK)，Pi (2PSK)，Pi (4PSK)，Pi (8PSK)，Pi (8QAM)，Pi (16QAK)，Pi (32QAM)，Pi (2FSK)， Pi (4FSK)，Pi (OFDM)，其中1彡i彡N，N為節(jié)點數(shù)，若輸出小于0.2將其取值賦為0,將神經(jīng) 網(wǎng)絡的輸出送到融合中心； c. 根據(jù)各個節(jié)點的神經(jīng)網(wǎng)絡的輸出以及該節(jié)點接收信噪比的大小，計算證據(jù)理論中的 基本概率賦值，以提高信噪比高的數(shù)據(jù)對融合結果的貢獻，同時降低信噪比低的數(shù)據(jù)對融 合結果的影響，融合中心使用D-S證據(jù)理論的合成規(guī)則對N個節(jié)點的數(shù)據(jù)進行融合，得到最 終識別結果。
2. 如權利要求1所述的基于證據(jù)折扣的協(xié)作調制識別方法，其特征在于基本概率賦值 的計算過程如下： 證據(jù)理論的焦元為{2ASK，4ASK，2PSK，4PSK，8PSK，8QAM，16QAM，32QAM，2FSK，4FSK， 0FDM，〇}，其中Θ為識別框架，則節(jié)點i獲得的基本概率賦值： nii (2ASK) =Pi (2ASK) nii (4ASK) =Pi (4ASK) nii (QFDM) =Pi (QFDM) 1? (Θ) = (1-1? (2ASK)) (1-1? (4ASK)) (1-1? (2PSK)) (1-1? (4PSK)) (1-1? (8PSK)) (1-1? (8QAM)) (1-1? (16QAM)) (1-1? (32QAM)) (1-1? (2FSK)) (1-1? (2ASK)) (1-1? (2FSK)) (1-1? (OFDM)) 對各基本概率賦值進行歸一化： m]{2ASK-) = >n^：ASK) m\AASK) = mPASk、 Σ峨 .? Β 讚人()F7)M) = h{爲 ,-Ι.-?-> _____ 根據(jù)接收信噪比高的節(jié)點提供的證據(jù)可信度高，而接收信噪比低的節(jié)點提供的證據(jù)可 信度低的原則，定義第i個節(jié)點的折扣因子為： -4V,7： -s, - IQ1" i?'-苷） i 其中，Si是第i個節(jié)點的接收信號的功率，snri為節(jié)點i的接收信噪比，用折扣因子對 基本概率賦值進行修正，得到修正的基本概率賦值： <'(2XSXf)=明<2應〇 ml,t(AASK) = η,/nXAASK) mf(OfOM) = η,/η^ΟΓΒΜ) n^ilASK)-nili^ASK)- nf'aPSK)- n((QPSK\ -mJt(%PSK) - n/t(%QAAf) - //^(16￡2-/J/) - t^QlOAM) -/nf(2I：S'K) - ml'{AFSK) - trt；(OFDM) 0 =1 n,-η/?Α&)
【文檔編號】H04L27/34GK104243391SQ201210265195
【公開日】2014年12月24日 申請日期:2012年7月27日 優(yōu)先權日:2012年7月27日
【發(fā)明者】朱琦, 朱冬梅 申請人:南京郵電大學