The invention discloses a method for estimation of wireless communication high precision signal recognition and parameter estimation of the baud rate, including the steps of identifying and baud rate parameters of the step; among them, the identification of the following steps: the test signal of high order cumulant, feature parameters extraction of the signal to be measured; the support vector machine SVM the center frequency recognition algorithm is optimized; will optimize the parameters of input support vector machine SVM modulation classification and recognition training; estimate the baud rate parameters of the following steps: the recognition step signal to be measured by the signal complex envelope square spectrum characteristic parameter for baud rate estimation. The method of wireless communication high precision signal identification and baud rate parameter estimation is adopted by the invention, which has the advantages of better recognition of wireless communication signals and better estimation of baud rate parameters.
【技术实现步骤摘要】
无线通信高精度信号识别及波特率参数估计的方法
本专利技术属于无线通信信号识别的
,具体涉及一种无线通信高精度信号识别及波特率参数估计的方法。
技术介绍
无线通信信号的调制识别及参数估计在信号的监测、信号的干扰、信号的查询、信号的识别等军用与民用领域有着广泛的应用。特别是在当前民用无线电管理领域,随着各种伪基站非法发布的信息(特别是众多欺骗信息)的越来越多,犯罪分子采用信号调制方式及波特率参数等技术不断更新,依靠目前常规的无线电管理监测识别装置,监测识别效果不好,给监管部门带来严重的挑战。目前,对于无线通信信号的识别及参数估计普遍采用以下三种技术方式:分别基于常规SVM分类器、基于高阶累积量及SVM分类器与高阶累积量简单联合的三种技术方式。基于常规SVM分类器方式,识别多类问题时存在计算复杂度高,影响识别及参数估计效率;基于高阶累积量方式在接收信号信噪比较低时,识别率还不够理想;基于高阶累积量及SVM分类器与高阶累积量简单联合方式比前两种方式有所改善,但是识别率依然不高。具体而言,通过以上现有技术对接收信号直接提取特征值时,由于高斯白噪声的干扰,提取的特征值精度受到影响,如果对接收信号先进行高阶累积量运算处理,由于高于二阶的高斯白噪声其累积量为零,因此容易受其影响。同时,神经网络是信号识别中比较常用的一种识别分类器,但在学习训练中存在过学习与局部收敛的缺点。因此,如何从现有技术基础上从特征值的提取和分类器算法方面不断创新,成为研究调制识别及参数估计技术重要的方法之一。
技术实现思路
为了解决上述问题,本专利技术的目的在于提供一种无线通信高精度信号识别及波特 ...
【技术保护点】
一种无线通信高精度信号识别及波特率参数估计的方法,其特征在于,包括识别步骤和波特率参数估计的步骤;其中,所述识别步骤具体为:将待测信号进行高阶累积量处理,提取待测信号的特征参数;对支持向量机SVM中心载频识别算法程序进行优化处理;将所述特征参数进行优化处理后输入支持向量机SVM中进行调制分类识别训练;所述波特率参数估计的步骤具体为:对识别步骤的待测信号通过信号复包络平方谱特征参数进行波特率参数估计。
【技术特征摘要】
1.一种无线通信高精度信号识别及波特率参数估计的方法,其特征在于,包括识别步骤和波特率参数估计的步骤;其中,所述识别步骤具体为:将待测信号进行高阶累积量处理,提取待测信号的特征参数;对支持向量机SVM中心载频识别算法程序进行优化处理;将所述特征参数进行优化处理后输入支持向量机SVM中进行调制分类识别训练;所述波特率参数估计的步骤具体为:对识别步骤的待测信号通过信号复包络平方谱特征参数进行波特率参数估计。2.根据权利要求1所述的无线通信高精度信号识别及波特率参数估计的方法,其特征在于:将待测信号进行高阶累积量处理,提取待测信号的特征参数的步骤,具体如下:将所述待测信号的复基带序列进行如下公式(1)的高阶累积量处理:Cumm(r1,r2,…,rk)=Cumm(s1+n1,s2+n2,…,sk+nk)k=1,2,…,N(1)其中,所述待测信号的复基带序列表示如下:其中,E表示第k个信息符号,L表示观测序列的长度,E和Td分别表示符号能量和持续时间,θc表示载波的初始相位,p(t)表示信道的冲击响应,n(t)表示加性高斯白噪声其均值为0,方差为σ2。3.根据权利要求2所述的无线通信高精度信号识别及波特率参数估计的方法,其特征在于:所述待测信号在传输过程中,与高斯噪声相互独立,根据累积量的特性,所述公式(1)对应的待测信号的累积量为:Cumm(r1,r2,…,rk)=Cumm(s1,s2,…,sk)m>2(3)。4.根据权利要求1所述的无线通信高精度信号识别及波特率参数估计的方法,其特征在于:对支持向量机SVM中心载频识别算法程序进行优化处理的步骤,具体如下:根据采样频率,设定参数变量的分辨率;根据所述分辨率选择数组中需要计算的特征参数;找出经过计算后的结果中最大点及其对应值。5.根据权利要求1所述的无线通信高精度信号识别及波特率参数估计的方法,其特征在于:将所述特征参数进行优化处理后输入支持向量机SVM中进行调制识别的步骤,具体包括:构建训练集合;利用所述训练集合中已知信号类型的特征参数对支持向量机SVM训练,建立分类器库;从所述分类器库中调用对应的分类器,将待测信号提取的特征参数进行调制分类识别。6.根据权利要求5所述的无线通信高精度信号识别及波特率参数估计的方法,其特征在于:所述构建训练集合的步骤,...
【专利技术属性】
技术研发人员:杨发权,张春生,杨凌,
申请(专利权)人:佛山科学技术学院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。