一种宽带监测模式下模拟信号调制类型实时识别方法技术

本发明专利技术公开一种宽带监测模式下模拟调制信号实时识别方法，包括如下步骤：接收宽频段范围内射频信号并转换输出中频信号；对中频信号进行A/D采样，数字下变频DDC处理，输出IQ数据；对输入的IQ数据进行快速傅里叶变换获得实时频谱，自动探测并提取频段内的信号中心频率，并根据频谱特征提取每个信号对应长度的频谱数据和IQ数据并计算对应特征参数；使用机器学习算法对时域和频域特征参数进行分类判断来识别模拟信号的调制方式。采用本发明专利技术的技术方案，能够实时识别宽频段范围内的所有模拟信号调制类型，具有鲁棒性和可扩展性。

【技术实现步骤摘要】
一种宽带监测模式下模拟信号调制类型实时识别方法
本专利技术涉及无线电监测及信号情报分析领域，具体涉及一种宽带监测模式下模拟信号调制类型实时识别方法。
技术介绍
信号调制模式识别是无线电领域的重要课题，是未来无线电监测重要的发展方向，目前经常采用的是模式识别法。模式识别方法是一种基于信号数据特征抽取的方法，计算信号在时域、频域特征参数，基本不依赖信号先验信息，实现信号调制方式的盲识别。近年来，理论研究人员提出了多种有效的特征参数，在无线电监测领域也有少量应用。然而现有的识别算法，是针对窄带单个信号进行识别，对于宽频段多信号并存的实时识别仍然存在局限性，尤其面临发射信号传播过程中受到多径衰落、传输损耗等影响后实际接收到的信号数据出现较大失真，且信号数据偏少时，特征参数辨识度下降，信号调制识别出现较大偏差，不具有鲁棒性。
技术实现思路
本专利技术目的是针对无线电监测过程中，实时监测宽频段范围信号时由于信号传输过程存在的干扰导致信号特征提取失真，无法有效识别的问题，提供一种模拟调制信号宽频段实时识别方法。所述方法将接收到的实时宽频带射频信号数据，经过数据预处理得到时域IQ数据和频域功率谱数据，分别计算统计每个信号对应的时域数据和频谱数据特征参数，使用基于随机森林机器学习算法实现对信号的实时识别。为实现上述目的，本专利技术采用如下的技术方案：一种宽带监测模式下模拟信号调制类型实时识别方法包括如下步骤：步骤a：获取宽频带实时射频信号并将其转换为中频信号；步骤b：对中频信号进行A/D采样，数字下变频(DDC)处理，输出IQ数据；步骤c：对IQ数据进行快速傅里叶变换(FFT)获得频段内的完整频谱数据；步骤d：利用小波数据处理模块自动计算频域噪声阈值，并作为信号判断门限threshold；步骤e：使用小波数据处理模块探测超过门限的信号个数n及各自中心频率Fi；步骤f：计算信号与两侧相邻信号的频率间隔Fd，并将其中较小值作为中间信号数据提取长度Lo；步骤g：根据数据长度Lo及信号频率Fi提取每个信号的频谱数据，并计算信号频谱峰度K；步骤h：比较信号峰度K与门限K_threshold的大小，调整信号数据提取长度Lo_i；步骤i：根据数据长度Lo_i及信号频率再次提取每个信号对应的频谱数据及IQ数据，并对频谱数据做归一化处理；步骤j：根据分段提取后的IQ数据，计算信号时域特征参数：瞬时幅度偏离度R_d，使用小波变换数据处理模块对IQ数据降噪处理，计算瞬时相位偏离度P_d；步骤k：根据分段提取后的信号频谱数据，计算信号频域特征参数：频谱峰度K，根据归一化后的频谱数据计算频谱峰值点数Peak_num；步骤l：使用随机森林算法模块对输入的信号时域和频域参数进行分类判断；步骤m：分类完成，输出结果。作为优选，步骤l中判断过程如下；AM：P_d<0.001、R_d>0.2、K>10、Peak_num<5；CW：P_d<0.001、R_d<0.001、K>20、Peak_num＝1FM：P_d>0.2、R_d<0.001、K<1.5、Peak_num>5。本专利技术的有益效果如下：本专利技术优点在于实现了对宽频带范围内所有模拟调制信号的实时分类识别。其中利用小波变换数据处理模块实现频谱噪声门限估计以及信号频率和分段频谱数据的自动提取，通过计算信号的时域和频域特征参数，并利用随机森林算法处理模块对多个信号特征参数做分类判断，实现在线模拟调制信号的宽频带实时分类识别。本技术专利技术使用机器学习中的随机森林算法自动创建决策树群实现分类预测功能，比一般的单一决策树具有更好的鲁棒性。同时增加针对数字信号特征参数计算，来实现对数字信号的分类识别，具有良好的扩展性和通用性。附图说明图1是本专利技术的实现流程示意图具体实施方式下面结合实施例对本专利技术作进一步地详细说明如图1所示，本专利技术提供一种模拟调制信号宽频段实时识别方法，具体实现步骤如下：步骤a：获取宽频带实时射频信号并将其转换为中频信号步骤b：对中频信号进行A/D采样，数字下变频(DDC)处理，输出IQ数据步骤c：对IQ数据进行快速傅里叶变换(FFT)获得频段内的完整频谱数据步骤d：利用小波数据处理模块自动计算频域噪声阈值threshold，并作为信号判断门限步骤e：使用小波数据处理模块探测超过门限的信号个数n及中心频率Fi步骤f：计算相邻信号之间的频率间隔Fd，并将其中较小值作为信号数据提取长度Lo步骤g：根据数据长度Lo及信号频率Fi提取每个信号的频谱数据，并计算信号频谱峰度K步骤h：比较信号峰度K与门限K_threshold的大小，调整信号数据提取长度Lo_i步骤i：根据数据长度Lo_i及信号频率再次提取每个信号对应的频谱数据及IQ数据，并对频谱数据做归一化处理步骤j：根据分段提取后的IQ数据，计算信号时域特征参数：瞬时幅度偏离度R_d，使用小波变换数据处理模块对IQ数据降噪处理，计算瞬时相位偏离度P_d。步骤k：根据分段提取后的信号频谱数据，计算信号频域特征参数：频谱峰度K，根据归一化后的频谱数据计算频谱峰值点数Peak_num。步骤l：使用随机森林算法分类器自动创建决策树群，对信号时域和频域参数进行分类判断，一般性判断特征-AM：P_d<0.001、R_d>0.2、K>10、Peak_num<5；-CW：P_d<0.001、R_d<0.001、K>20、Peak_num＝1-FM：P_d>0.2、R_d<0.001、K<1.5、Peak_num>5步骤m：分类结束，输出结果。本专利技术主要引入小波变换数据处理模块来实现信号底噪门限的估算以及超过门限的信号中心频率提取，并统计频谱数据峰度来动态调整每个信号的对应的数据长度。根据模拟调制信号特征选择实际传播过程中有较高辨识度的参数。在特征参数计算完成后使用随机森林算法分类器实现模拟信号调制类型的分类判断。本专利技术的宽带监测模式下模拟调制信号实时识别方法，包括如下步骤：接收宽频段范围内射频信号并转换输出中频信号；对中频信号进行A/D采样，数字下变频DDC处理，输出IQ数据；对输入的IQ数据进行快速傅里叶变换获得实时频谱，自动探测并提取频段内的信号频率，并根据频谱特征提取每个信号对应长度的频谱数据和IQ数据并计算对应特征参数，使用机器学习算法根据时域和频域特征参数来分类判断模拟信号的调制方式。采用本专利技术的技术方案，能够实时识别宽频段范围内的所有模拟信号调制类型，具有鲁棒性和可扩展性。本文档来自技高网...

【技术保护点】
一种宽带监测模式下模拟信号调制类型实时识别方法，其特征在于，包括如下步骤：步骤a：获取宽频带实时射频信号并将其转换为中频信号；步骤b：对中频信号进行A/D采样，数字下变频(DDC)处理，输出IQ数据；步骤c：对IQ数据进行快速傅里叶变换(FFT)获得频段内的完整频谱数据；步骤d：利用小波数据处理模块自动计算频域噪声阈值，并作为信号判断门限threshold；步骤e：使用小波数据处理模块探测超过门限的信号个数n及各自中心频率Fi；步骤f：计算信号与两侧相邻信号的频率间隔Fd，并将其中较小值作为中间信号数据提取长度Lo；步骤g：根据数据长度Lo及信号频率Fi提取每个信号的频谱数据，并计算信号频谱峰度K；步骤h：比较信号峰度K与门限K_threshold的大小，调整信号数据提取长度Lo_i；步骤i：根据数据长度Lo_i及信号频率再次提取每个信号对应的频谱数据及IQ数据，并对频谱数据做归一化处理；步骤j：根据分段提取后的IQ数据，计算信号时域特征参数：瞬时幅度偏离度R_d，使用小波变换数据处理模块对IQ数据降噪处理，计算瞬时相位偏离度P_d；步骤k：根据分段提取后的信号频谱数据，计算信号频域特征参数：频谱峰度K，根据归一化后的频谱数据计算频谱峰值点数Peak_num；步骤l：使用随机森林算法模块对输入的信号时域和频域参数进行分类判断；步骤m：分类完成，输出结果。...

【技术特征摘要】
1.一种宽带监测模式下模拟信号调制类型实时识别方法，其特征在于，包括如下步骤：步骤a：获取宽频带实时射频信号并将其转换为中频信号；步骤b：对中频信号进行A/D采样，数字下变频(DDC)处理，输出IQ数据；步骤c：对IQ数据进行快速傅里叶变换(FFT)获得频段内的完整频谱数据；步骤d：利用小波数据处理模块自动计算频域噪声阈值，并作为信号判断门限threshold；步骤e：使用小波数据处理模块探测超过门限的信号个数n及各自中心频率Fi；步骤f：计算信号与两侧相邻信号的频率间隔Fd，并将其中较小值作为中间信号数据提取长度Lo；步骤g：根据数据长度Lo及信号频率Fi提取每个信号的频谱数据，并计算信号频谱峰度K；步骤h：比较信号峰度K与门限K_threshold的大小，调整信号数据提取长度Lo_i；步骤i：根据数据长度Lo_i及信号频率再次提取每个信号对应的频谱数据及IQ数据，并对频...

【专利技术属性】
技术研发人员：刘红杰，牛项朋，尹良，郭健，赵光焰，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11