专利名称：低信噪比下基于复杂度特征的调制信号识别方法
技术领域：
本发明涉及的是一种软件无线电领域的信号识别方法。
背景技术：
通信信号调制识别技术是软件无线电等领域的一个重要内容，其研究重点在于在没有先验信息、复杂环境和噪声干扰的条件下，对通信电台传递的通信信号进行截取或分析，以识别出信号的调制类型和调制参数等信息，为进一步的分析、处理提供依据。目前已有的通信信号调制识别方法有基于信号的瞬时幅度、瞬时频率和瞬时相位、谱对称性等参数的逐级分类识别算法；基于谱相关函数的数字调制信号识别算法；基于信号包络特征的识别算法以及基于高阶累积量，小波分解等特征的识别算法。如今，通信技术迅速发展，调制的种类、复杂度和信号的空间密集程度都有所增加，这就对调制识别的方法提出了更高的要求，传统的识别算法很难在较低信噪比下对通信信号的调制方式准确的识别。因此，如何在低信噪比下识别出信号的调制类型，成为软件无线电的通信信号调制方式识别技术中的难点，在民用领域具有重要的理论意义和工程应用价值。
发明内容
本发明的目的在于提供可以克服现有识别方法中难以在低信噪比下对通信信号的调制类型进行分类识别的问题的低信噪比下基于复杂度特征的调制信号识别方法。本发明的目的是这样实现的本发明低信噪比下基于复杂度特征的调制信号识别方法，其特征是(1)首先对接收到的未知通信信号进行预处理即进行离散接收到的通信调制信号为s，预处理后的离散信号序列为0S广，其中/ l，2，·，AV表示信号的采样点数，Ntl为信号序列的长度；(2)将离散化后的信号序列进行重组对于预处理后的离散通信信号序列i 1,2,· ,N0，定义以下特征参量定义η log，，表示重组信号不同向量个数的次数；定义 2"，表示每次重组信号中离散信号点的个数，其中，_/+(§1,2,· , 表示重组信号不同向量个数的次数的取值；定义数字序列T J/ 1 ^ ;^，其中，
η Iog2 ° _/ 1,2,· ,η;重组信号序列Si的定义方法为S〗 sJTjj )/jj Γ }T0)j ， T0Jj ^:Tjj ，7(51,2,·，η·’(3)对重组的特征向量进行多重分形维数运算，选择不同的维数，提取通信信号的多重分形维数特征多重分形维数描述的是事物不同层次的特征，一个多重分形可以看做是由不同维
4数的分形子集组成的并集，把研究对象分为M个小区域，取第i个区域的线度大小为￡ i，第 i个区域的密度分布函数Pi,则不同区域i的标度指数a ,可以描述为
权利要求
1.低信噪比下基于复杂度特征的调制信号识别方法，其特征是(1)首先对接收到的未知通信信号进行预处理即进行离散接收到的通信调制信号为 s，预处理后的离散信号序列为ls(i)}，其中i = 1,2, ·，Ntl表示信号的采样点数，Ntl为信号序列的长度；(2)将离散化后的信号序列进行重组对于预处理后的离散通信信号序列{s(i)}，i = 1,2, ，Ntl，定义以下特征参量定义《 = Iogf，表示重组信号不同向量个数的次数；定义t(j) = 表示每次重组信号中离散信号点的个数，其中，j = 1,2, ·，η表示重组信号不同向量个数的次数的取值；定义数字序列^t/+) =M = 7^7，其中，j = 1，2，·，η;η Iog20重组信号序列 h 的定义方法为 = s(T(j)*(t(j)-l)+T。(j))，T。(j) = [1 :T(j)]，j =1,2, · , η ；(3)对重组的特征向量进行多重分形维数运算，选择不同的维数，提取通信信号的多重分形维数特征多重分形维数描述的是事物不同层次的特征，一个多重分形可以看做是由不同维数的分形子集组成的并集，把研究对象分为M个小区域，取第i个区域的线度大小为ε i，第i个区域的密度分布函数Pi,则不同区域i的标度指数α i可以描述为 P1 i = l,2,' ,N1非整数、称为奇异指数，表示某一区域的分形维数，由于一个信号可以划分为许多不同的小区域，于是可以得到由一系列不同的CIi所组成的变量f(a)，则f(a)成为信号的多重分形谱，定义函数为各个区域的概率加权求和，ε为线度大小，q为密度分布函数PiW 幂数，即N及⑷=Σ厂，i=\定义广义分形维数Dtl为(N \1 InX (ε) 1 1η Σ斤Da =J-lim^^ = —Iim U J In εIn ε由此，对步骤(2)每一个重组信号h求和，h表示第j个重组信号，S卩SjjJ = 1,2, · Jtl, j = 1,2, ·η，Jtl表示每次重组信号的个数，\为第J次重组信号的和，Jtl为重组信号的次数，再对整个离散信号序列求和，和为S，即S=E sm, m = 1,2, · , N0,Sffl为离散信号序列的第m个采样点值，则第J个概率测度Pt定义为PJ=Y' J = 1，2，· jO'将&带入到多重分形维数Dtl的计算式中即可得到信号的多重分形维数特征；(4)对提取的未知信号特征利用灰色关联理论与数据库中的已知调制类型信号的多重分形维数特征进行关联计算，判断该信号的调制类型为关联度最大的信号的调制类型，即实现了对通信调制信号的分类识别取q值从- 到如，则计算出信号的多重分形维数共有2Q(i+1重特征，每重特征即每个q值对应共有W = Iogf5个特征点，对于一个通信调制信号，构成的特征向量共有 # = (2队+1)* = ( +1)* log，个特征点值，将其构成一个未知通信信号的多重分形特征序列Ftl，利用灰色关联理论对此特征序列与数据库中的已知信号的特征序列Fi作关联，设 Y (F05Fi)表示两个序列的关联度，设共有k种调制方式模板，则调制方式种类i = 1，2，·， k，构成的特征矩阵为&=(/)。—9。(1),/)。—9。(2),· ,/)。—9。(4炉—一⑴,· ,D°-%4n\' D%Md%M' ,D0qo (η)) ^=(/)^(1),/)^(2),. ,Ζ)1—9。(4汊—9。+1(1),·，汊―D1qo(I)7D1qM' ,D\Xn))巧=(zr—9。(1),ΖΤ—9。(2),· ,D'—%(n\D'—%+1(l\· ,l)'-qo+1(4' D190 (l), D190 (2),' ,D1qXn))參巧=(/)%。(1),Ζ)%。(2),·，Dk—q<Xn)，Dk—%4l\·，Dk—%4n)，· /) 。(1),炉9。(2),· ,Dkgo (η)) 其中，i = 1,2, ·，k表示调制方式的个数， 由此定义关联系数Y (F0, Fi)的计算方法为min mjn|F0 (TV) — F1 (TV) +《max max|F0 (TV) — F1 (7V)|7(F°，Fi)= K (N)-F1(N)^ max max|F0 (N) -Fi(N)‘N = 1,2,· ,(2礼+l)*logf。表示每种信号特征向量的第N个特征，ξ为分辨系数，定义域 ξ e (0，1)，由此，未知通信信号的多重分形维数特征值Ftl与数据库中已有模板调制方式的特征值Fi之间的灰色关联度Ytl(FyFi)定义为L(FbFi) = Ifj(^Fi),紀i=l此灰色关联度为所求，选择未知调制信号与已知调制信号关联度最大的判断为该信号的调制类型，实现对通信信号的调制类型的分类识别。
全文摘要
本发明的目的在于提供低信噪比下基于复杂度特征的调制信号识别方法，包括以下步骤对截获的未知通信信号离散化为一定间隔的时间信号序列，将其按照一定的规则重组成不同长度的特征向量，而后进行多重分形维数运算，提取通信信号的多重分形维数特征，在低信噪比下提取不同信号的细微特征，对提取的未知信号特征利用灰色关联理论与数据库中的已知调制类型信号的多重分形维数特征进行关联计算，判断该信号的调制类型为关联度最大的信号的调制类型，实现对通信调制信号的分类识别。本发明具有在强干扰环境下检测区分出不同调制类型的通信信号的能力，进而达到对通信信号调制类型的进行识别的目的。
文档编号H04L27/00GK102437984SQ201110347819
公开日2012年5月2日 申请日期2011年11月7日 优先权日2011年11月7日
发明者叶方, 康健, 李一兵, 李一晨, 李靖超, 林云, 田雪宜, 葛娟 申请人:哈尔滨工程大学