一种分布式通信信号调制识别方法技术

本发明专利技术公开了一种分布式通信信号调制识别方法，包括在通信区域内设置多个感知节点；部分感知节点接收发射源所发出的信号，生成样本数据；接收源接收部分感知节点所传输的样本数据，接收源从样本数据中提取特征参数；接收源对所有的样本数据进行信息融合处理，生成待处理数据；接收源通过训练学习建立神经网络分类器；将待处理数据输入神经网络分类器，神经网络分类器输出发射源发出信号的调制识别结果。本发明专利技术中接收源通过从多个感知节点接收发射源所发出的无线通信信号，接收源在对所接收的通信信号过程中能够综合判断各个感知节点的样本数据特征参数，从而提高接收源对通信信号调制方式识别的准确度。本发明专利技术创造用于识别通信信号的调制方式。

A modulation recognition method for distributed communication signals

The invention discloses a distributed communication signal modulation recognition method, includes a plurality of sensor nodes in the communication area; signal perception part node receives the emission source from the generated data; data receiving part receiving source sensing node transmission, receiving the source feature parameters are extracted from the sample data receiving source; the information fusion of all sample data, generate data to be processed; receiving sources to establish a neural network classifier trained by the data to be processed; the input of neural network classifier, a modulation recognition result signal neural network classifier output emission source. The present invention receives source through wireless communication signal receiving and transmitting source emitted from a plurality of sensor nodes, receiving the source to determine whether the sample data in the comprehensive feature parameters of each node's communication process in the received signal, so as to improve the accuracy of receiving the source of communication signal modulation recognition. The invention creates a modulation method for identifying communication signals.

【技术实现步骤摘要】
一种分布式通信信号调制识别方法
本专利技术涉及通信领域，更具体地说涉及一种信号调制识别方法。
技术介绍
信号调制识别技术广泛应用于民用和军用通信领域，如信号监控、信号确认、干扰辨识、电子对抗、电子救援及军事威胁分析等，是软件无线电、认知无线电、频谱感知等领域研究的基础。现有的通信信号调制识别方法采用模式识别方法，主要包括特征值的提取和分类器的选择两部分，其中特征值的提取主要包括瞬时频域特征值、时域特征值以及分析高阶原点矩、高阶累积量、小波变换、谱相关、循环谱相关、功率谱、星座图、信号的峭度等，而在选择分类器的步骤中往往采用神经网络分类器，当前现有的应用于信号调制识别方法中的神经网络分类器对无线通信信号的调制识别的前提都是以单节点信号进行识别的，其缺点在于当无线传感器网络所处环境信噪比较低时，使用单个感知节点已经无法获得较高的信号调制识别准确率。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于多节点的分布式通信信号调制识别方法。本专利技术解决其技术问题的解决方案是：一种分布式通信信号调制识别方法，包括以下步骤：步骤A：在通信区域内设置多个感知节点；步骤B：部分感知节点接收发射源所发出的信号，生成样本数据，并将所述样本数据发送出去；步骤C：接收源接收部分感知节点所传输的样本数据，接收源从样本数据中提取特征参数；步骤D：接收源对所有的样本数据进行信息融合处理，生成待处理数据；步骤E：接收源通过训练学习建立神经网络分类器；步骤F：接收源将待处理数据输入到神经网络分类器，神经网络分类器输出发射源所发出信号的调制识别结果。作为上述技术方案的进一步改进，所述步骤B包括以下步骤：步骤B1：接收源设定信噪比阈值，设定有效半径；步骤B2：接收源判断所接收到的样本数据信噪比是否大于信噪比阈值，如果是，接收源接收距离发射源最近的感知节点所传输的样本数据；如果不是，接收源接收发射源有效半径范围内的感知节点所传输的样本数据。作为上述技术方案的进一步改进，所述步骤C包括以下步骤：步骤C1：接收源根据各样本数据隶属度的最大值，利用公式1将各个待处理数据分配到所属的聚类集合中，其中Yi表示划分到聚类中心的所有接收样本；Xj表示第j个样本数据的同相分量XjI和正交分量XjQ组成的二维向量[XjI，XjQ]T；X表示所有样本数据的集合；C表示聚类中心数；Uij表示第j个样本数据到第i个聚类中心的隶属度；步骤C2：根据公式2，计算每个样本数据的隶属度矩阵中最大值与次大值之比，其中步骤C3：通过公式3计算rj的平均值Tci，其中Ni表示所有隶属于聚类中心的样本数据的数目；步骤C4：通过公式4计算所有Tci的均值，Tci的均值即为聚类分析整体划分结果的评估值Tc，作为上述技术方案的进一步改进，步骤D中，所述信息融合处理可以是数据级融合处理、特征级融合处理、决策级融合处理中的其中一种。作为上述技术方案的进一步改进，步骤E中所述神经网络分类器是采用径向基函数网络结构，所述神经网络分类器包括输入层、隐含层、输出层以及信道，所述输入层与隐含层间的传递函数，隐含层与输出层间的传递函数均为双曲正切S型函数，所述神经网络分类器的信道设为高斯白噪声信道。本专利技术的有益效果是：本专利技术中接收源通过从多个感知节点接收发射源所发出的无线通信信号，接收源在对所接收的通信信号过程中能够综合判断各个感知节点的样本数据特征参数，从而提高接收源对通信信号调制方式识别的准确度。本专利技术创造用于识别通信信号的调制方式。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本专利技术的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。图1是本专利技术的发射源、接收源以及感知节点关系图；图2是本专利技术的信号调制识别方法实施例流程图；其中图1中三角形图案表示接收源，圆形图案表示发射源，正方形图案表示感知节点，两端带箭头的实线表示有效半径。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、特征和效果。显然，所描述的实施例只是本专利技术的一部分实施例，而不是全部实施例，基于本专利技术的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本专利技术保护的范围。参照图1～图2，本专利技术创造公开了一种分布式通信信号调制识别方法，包括以下步骤：步骤A：在通信区域内设置多个感知节点；步骤B：部分感知节点接收发射源所发出的信号，生成样本数据，并将所述样本数据发送出去；步骤C：接收源接收部分感知节点所传输的样本数据，接收源从样本数据中提取特征参数；步骤D：接收源对所有的样本数据进行信息融合处理，生成待处理数据；步骤E：接收源通过训练学习建立神经网络分类器；步骤F：接收源将待处理数据输入到神经网络分类器，神经网络分类器输出发射源所发出信号的调制识别结果。具体地，与现有技术中使用单个感知节点的识别方法相比，本专利技术创造中接收源通过从多个感知节点接收发射源所发出的无线通信信号，接收源在对所接收的通信信号过程中能够综合判断各个感知节点的样本数据特征参数，从而提高接收源对通信信号调制方式识别的准确度。进一步作为优选的实施方式，所述接收源当接收到的信号信噪比较大时，证明无线通信信号较强，即使只以一个感知节点所传输的样本数据为基础，接收源也能够保证对发射源发出的通信信号调制方式识别的准确度；当接收源接收到的信号信噪比较小时，证明无线通信信号较弱，接收源需要同时也多个感知节点的样本数据为基础才能够准确地识别出发射源所发出信号的调制方式。据此，本专利技术创造具体实施方式中，所述步骤B包括以下步骤：步骤B1：接收源设定信噪比阈值，设定有效半径；步骤B2：接收源判断所接收到的样本数据信噪比是否大于信噪比阈值，如果是，接收源接收距离发射源最近的感知节点所传输的样本数据；如果不是，接收源接收发射源有效半径范围内的感知节点所传输的样本数据。进一步作为优选的实施方式，本专利技术创造具体实施方式中，主要是针对基于信号星座图特色的BPSK,QPSK,8PSK,16QAM,32QAM,and64QAM类型的调制信号进行识别，所述步骤C包括以下步骤：步骤C1：接收源根据各样本数据隶属度的最大值，利用公式1将各个待处理数据分配到所属的聚类集合中，其中Yi表示划分到聚类中心的所有接收样本；Xj表示第j个样本数据的同相分量XjI和正交分量XjQ组成的二维向量[XjI，XjQ]T；X表示所有样本数据的集合；C表示聚类中心数；Uij表示第j个样本数据到第i个聚类中心的隶属度；步骤C2：根据公式2，计算每个样本数据的隶属度矩阵中最大值与次大值之比，其中步骤C3：通过公式3计算rj的平均值其中Ni表示所有隶属于聚类中心的样本数据的数目；步骤C4：通过公式4计算所有Tci的均值，Tci的均值即为聚类分析整体划分结果的评估值Tc，其中聚类中心数C分别取2，4，8，16，32和64，所述接收源即可对上述6中不同的聚类中心数的情况下进行FCM聚类运算，并分别计算出在不同的C值时的函数值TC，作为区分不同调制类型的特征参数，在不同信噪比，不同聚类中心数时，分别计算出用来本文档来自技高网...

【技术保护点】
一种分布式通信信号调制识别方法，其特征在于，包括以下步骤：步骤A：在通信区域内设置多个感知节点；步骤B：部分感知节点接收发射源所发出的信号，生成样本数据，并将所述样本数据发送出去；步骤C：接收源接收部分感知节点所传输的样本数据，接收源从样本数据中提取特征参数；步骤D：接收源对所有的样本数据进行信息融合处理，生成待处理数据；步骤E：接收源通过训练学习建立神经网络分类器；步骤F：接收源将待处理数据输入到神经网络分类器，神经网络分类器输出发射源所发出信号的调制识别结果。

【技术特征摘要】
1.一种分布式通信信号调制识别方法，其特征在于，包括以下步骤：步骤A：在通信区域内设置多个感知节点；步骤B：部分感知节点接收发射源所发出的信号，生成样本数据，并将所述样本数据发送出去；步骤C：接收源接收部分感知节点所传输的样本数据，接收源从样本数据中提取特征参数；步骤D：接收源对所有的样本数据进行信息融合处理，生成待处理数据；步骤E：接收源通过训练学习建立神经网络分类器；步骤F：接收源将待处理数据输入到神经网络分类器，神经网络分类器输出发射源所发出信号的调制识别结果。2.根据权利要求1所述的一种分布式通信信号调制识别方法，其特征在于，所述步骤B包括以下步骤：步骤B1：接收源设定信噪比阈值，设定有效半径；步骤B2：接收源判断所接收到的样本数据信噪比是否大于信噪比阈值，如果是，接收源接收距离发射源最近的感知节点所传输的样本数据；如果不是，接收源接收发射源有效半径范围内的感知节点所传输的样本数据。3.根据权利要求1或2所述的一种分布式通信信号调制识别方法，其特征在于：所述步骤C包括以下步骤：步骤C1：接收源根据各样本数据隶属度的最大值，利用公式1将各个样本数据...

【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