The invention discloses a method for extracting the characteristics of communication signal graph domain based on KL divergence, and realizes the automatic construction of feature sequence on the premise of guaranteeing the robustness of the algorithm by utilizing the cyclic spectrum of communication signal; in particular, the method first converts the cyclic spectrum of communication signal into a series of adjacency matrices by the graph domain mapping theory. Then the main modulation type is determined according to the value of each modulation type at the index, and the KL divergence of the main modulation type relative to other modulation types is calculated. Finally, the KL divergence is constructed according to the size of the KL divergence. The characteristic sequence of each modulation type is set up.
【技术实现步骤摘要】
一种基于KL散度的通信信号图域特征提取方法
本专利技术属于信号处理
,更为具体地讲,涉及一种基于KL散度的通信信号图域特征提取方法。
技术介绍
自动调制分类(AMC)可以在很少或没有先验知识的情况下识别接收信号的调制类型,广泛应用于军事和民用通信。典型的自动调制识别方法通常分为两类:基于最大似然的方法(ML)和基于特征提取的方法(FB)。基于最大似然的方法是一种基于假设检验的理论,通过接收信号的似然函数,将似然比与一个门限值做比较做出判决,这种方法可以得到贝叶斯意义上的最优解,但是也存在诸多弊端;基于特征识别的方法包括特征提取(FE)和模式识别(PR)两个阶段,特征提取阶段从接收到的未知信号中提取若干参考特征,然后在模式识别阶段根据提取的特征判断信号的调制类型,这种方法虽然不是最优的但实施效率相比前者较高。但两种方法都需要系统提供较高的运算能力,难以用于一些实时性要求较高而系统资源受限的特殊应用场合;现有识别方法在处理实际无线通信信号时性能严重恶化,实际工程应用中鲁棒性差。基于图域的自动调制分类(AMCG)第一次将AMC变换到图形域,并且已经实现了比现有PR和基于LB的决策理论算法更优的性能。该方法利用调制信号的循环谱,依据循环频率将循环谱映射到图域,构建为加权有向环,手动记录邻接矩阵次对角线上的非零项,这些非零项被构建为有效特征参数。然而在AMCG中的整个图域特征构建是通过人工进行的,计算十分繁琐,工作量大,如果不适当地选择特征序列,容易造成较大的误差,通常会影响识别效果。这就需要一种科学地选择特征的方法,用于AMCG特征的自动构建。KL散度用来表 ...
【技术保护点】
1.一种基于KL散度的通信信号图域特征提取方法,其特征在于,包括以下步骤:(1)、通信信号图域映射(1.1)、设置调制类型候选集Mdef,Mdef={M1,M2,...,MK},其中,Mk表示第k种调制类型,k=1,2,...,K,K表示调制类型总数;(1.2)、利用FAM算法计算通信信号x(n)的循环谱
【技术特征摘要】
1.一种基于KL散度的通信信号图域特征提取方法,其特征在于,包括以下步骤:(1)、通信信号图域映射(1.1)、设置调制类型候选集Mdef,Mdef={M1,M2,...,MK},其中,Mk表示第k种调制类型,k=1,2,...,K,K表示调制类型总数;(1.2)、利用FAM算法计算通信信号x(n)的循环谱其中,α为循环频率,α的取值为[α1,α2,…,αp],p为循环频率的取值个数,f为x(n)的频率,再对循环谱进行归一化和量化处理得到谱(1.3)、在谱中,根据的对称性,在每种调制类型下取α和f均为正的四分之一谱映射到图域,得到一个图集其中,表示第k种调制类型下循环频率为ατ时的一个图,τ<p;将图集中的每一个图转换为一个邻接矩阵,建立起相应的邻接矩阵集由图转换成的邻接矩阵;同理,建立其余调制类型下的邻接矩阵集;(2)、构建特征序列备选集在所有邻接矩阵集中,取所有邻接矩阵的元素加入到特征序列备选集Idef中;Idef={β1,β2,…,βi,…,βI}其中,βi表示第i个元素,i=1,2,...,I,I表示的最大数量;(3)、自动构建特征序列(3.1)、确定主调制类型重复计算次数为M;在第k种调制类型下第m次计算时,m=...
【专利技术属性】
技术研发人员:阎啸,王茜,刘冠男,吴孝纯,张国玉,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。