构造单元12与信号预处理单元11连接，当获取到源信息后，对源信息提 取特征参数，并将特征参数构造的特征参数矩阵作为神经网络的输入矢量。
[0050] 确定单元13,用于利用神经网络算法，确定所述源信息所表征的信号对应的调制 方式。
[0051] 确定单元13与输入矢量构造单元12连接，以输入矢量构造单元12构造的特征参 数矩阵作为输入矢量，利用神经网络算法，确定源信息所表征的信号对应的调整方式，从而 识别调制信号所对应的调制方式。
[0052] 本实施例提供的低压电力线载波通信信号调制方式识别装置由信号预处理单元 对调制信号进行预处理获得源信息，通过输入矢量构造单元提取源信息中包含的特征参数 并将特征参数构成的特征参数矩阵作为神经网络的输入矢量，采用神经网络算法识别调制 信号所对应的调制方式。
[0053] 作为一种优选的实施方式，所述特征参数具体包括：
[0054] 零中心归一化瞬时幅度谱密度的最大值ymax;
[0055] 零中心归一化非弱信号段瞬时频率的一阶绝对原点矩fabsOTg;
[0056] 零中心非弱信号段瞬时相位非线性分量的一阶绝对中心矩Pabs_;
[0057] 零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差〇 ap。
[0058] 在本发明中，将对源信息进行特征参数提取时，具体提取的特征包括：Ymax、 fabsorg、Pabscen和〇ap这四种特征参数。
[0059] ⑴ymax的计算方式为：
[0060] ymax=max{FFT([acn(i)]2)/Nj
[0061] 式中，Ns为取样点数，am(i)为零中心归一化幅度值，由下式计算：am(i)= an(i)_l，式中，
3瞬时幅度a(i)的平均值。用平均值来对瞬时幅 度进行归一化的目的是为了消除信道增益的影响。[0062] fabsOTg的计算方式为：
[0063] (2,
[0064] 式中
其中Rs为数字信号的符号速率，f(i)为信号的瞬时频率，at 为判断弱信号的归一化幅度门限值，an(i) >at保证求和范围为非弱信号段，c是弱信号在 全部取样数据Ns中属于非弱信号值的个数。
[0065] (3)pabseen的计算方式为：
[0066]
[0067] 式中，(Mi) =供U)-%，而料为瞬时相位。
[0068] (4) 〇 ap的计算方式为：
[0069]
[0070] 图2为本发明提供的一种确定单元的结构图。作为一种优选的实施方式，所述确 定单元具体包括：
[0071] 神经网络运算子单元130,用于利用所述神经网络算法，调整第一阈值、第二阈值、 第三阈值、第四阈值和连接权值；
[0072] 信号确定子单元131，用于根据所述神经网络运算子单元的输出矩阵与期望矩阵 的均方误差确定所述源信息所表征的信号为二进制频移键控BFSK信号、相移键控BPSK信 号或正交相移键控QPSK信号；
[0073] 调制方式确定子单元132,用于根据所述信号确定子单元的结果确定所述源信息 的调制方式；
[0074] 其中，所述第一阈值、第二阈值、第三阈值和第四阈值为所述特征参数的界限值。
[0075] 为了提高识别的正确率，在神经网络算法的训练过程中，本发明提出双特征参数 阈值判别算法来初步确定调制信号局部分类的划分。在具体实施中，电力线载波芯片通常 发送的信号包括：BFSK信号、BPSK信号和QPSK信号，具体的，利用ymax和fabsOTg划分上述 三种信号中的BFSK信号，利用Pabseen和〇ap划分BPSK信号和QPSK信号。在利用神经网络 算法时，首先对第一阈值、第二阈值、第三阈值和第四阈值定一个初始值，为了方便描述，说 明书中采用符号的形式加以说明，其中，thl为第一阈值、th2为第二阈值、th3为第三阈值、 th4为第四阈值。调整的依据是：
[0076]判断y隱是否小于thl和判断fabsOTg是否大于th2,当y小于thl且fabsOTg大 于th2时，贝可以划分出BFSK信号；当ymax不小于thl或fabsOTg不大于th2时，确定为干扰 信号。
[0077]判断Pabseen是否大于th3和判断0ap是否大于th4,当Pabseen大于th3且0 ap大于th4时，则可以划分出QPSK信号；当Pabseen不大于th3且〇ap不大于th4时，则可以划分出 BPSK信号；当Pabseen不大于第三阈值th3或〇ap不大于th4时，确定为干扰信号。
[0078] 这是由于ymax用来区分BFSK信号和BPSK信号、QPSK信号，因为BFSK信号具有 恒定不变的瞬时幅度，其零中心归一化瞬时幅度为零，信号的功率谱密度也为零，因此BFSK信号本质上不包含幅度信息（Ymax<thl)。然而，BPSK信号和QPSK信号包含幅度信息（Y_ >thl)，因为频带限制将幅度信息叠加在相邻符号迀移处。
[0079] 对于BFSK信号因其瞬时频率f(i)包含两个离散值，所以，经零中心、归一化、取绝 对值处理后其fabsOTg不为零（fabsOTg>th2)，对于BPSK信号和QPSK信号其瞬时频率为一恒 值，故其fabs?g为零（fabsOTg<th2)。因此利用fabsOTg可区分BFSK信号和BPSK信号、QPSK信 号。
[0080] 对于QPSK信号的瞬时相位包含4个离散值，经零中心、取绝对值处理后包含2 个离散值，其Pabs_不为零（Pabs_>th3)。因此，利用此特征参数可区分BPSK信号和QPSK 信号。
[0081]〇 @用来区分BPSK信号和QPSK信号。BPSK信号的直接相位取值为0和31，经中 心对准之后其绝对值为常数Jr/2,故它不包含绝对相位信息（〇 ap<th4)，而QPSK信号本 质上含有绝对的直接相位信息（〇 ap>th4)。
[0082] 作为一种优选的实施方式，所述神经网络运算子单元利用神经网络算法，调整第 一阈值、第二阈值、第三阈值、第四阈值和连接权值具体包括：
[0083] 将所述第一阈值、第二阈值、第三阈值、第四阈值和连接权值初始化为非零随机 数；
[0084] 将所述特征参数矩阵输入神经网络；
[0085] 通过加权运算处理，如果输出矩阵与所述期望矩阵超过预设范围，就对所述第一 阈值、第二阈值、第三阈值、第四阈值和连接权值按照最小均方误差准则进行自动调整；[0086] 若所述输出矩阵与所述期望矩阵未超过所述预设范围，则停止所述自动调整。
[0087] 在具体实施中，首先将第一阈值、第二阈值、第三阈值、第四阈值和连接权值初始 化为非零随机数，并将特征参数矩阵输入神经网络，对特征参数矩阵进行加权运算处理，如 果输出矩阵与期望矩阵超过预设范围，则说明需要对第一阈值、第二阈值、第三阈值、第四 阈值和连接权值调整。具体的做法是按照最小均方误差准则进行自动调整。重复该步骤，直 到输出矩阵与期望矩阵未超过预设范围。最后一次得到的第一阈值、第二阈值、第三阈值、 第四阈值和连接权值所对应的输出矩阵作为最终的输出矩阵。
[0088] 作为一种优选的实施方式，所述信号确定子单元确定所述源信息所表征的信号为 二进制频移键控BFSK信号、相移键控BPSK信号或正交相移键控QPSK信号具体包括；[0089] 计算所述输出矩阵与BFSK信号目标矩阵的第一均方误差；
[0090] 计算所述输出矩阵与BPSK信号目标矩阵的第二均方误差；