基于调参随机共振的低信噪比通信信号调制识别方法及装置制造方法及图纸

本发明专利技术属于信号调制识别技术领域，特别涉及一种基于调参随机共振的低信噪比通信信号调制识别方法及装置，该方法包含：针对低信噪比下微弱通信信号特征，利用自适应调节参数随机共振系统匹配最佳系统参数，以最大化增强信号能量；利用随机共振系统对通信信号进行随机共振处理，提取特征参数；信号特征包含瞬时特征和小波变换特征，自适应调节参数随机共振系统采用双稳态系统；针对提取的特征参数，利用神经网络进行信号分类调制识别。本发明专利技术克服传统随机共振不足及传统调制信号特征提取劣势，在极低信噪比下提取具有区分度信号特征，增强信号本身特征，弱化噪声影响，实现对微弱信号调制识别，将识别信噪比门限降低大约8dB，拓展随机共振应用范围。

Modulation Recognition Method and Device for Low Signal-to-Noise Ratio Communication Signal Based on Parametric Stochastic Resonance

【技术实现步骤摘要】
基于调参随机共振的低信噪比通信信号调制识别方法及装置
本专利技术属于信号调制识别
，特别涉及一种基于调参随机共振的低信噪比通信信号调制识别方法及装置。
技术介绍
调制识别是非合作通信研究领域中的一个重要课题，在民用等方面，调制识别技术应用都十分广泛，它的目的是在未知调制信息内容和参数的前提下，判断出信号所采用的调制方式，介于信号检测和解调之间，能够实现调制信号的智能盲接收与处理。调制识别主要有两种方法，第一种是最大似然假设检验方法(LB)，该方法需要获取充分的先验信息，并且对模型失配和参数偏差很敏感，因此，难以在非合作通信中应用。第二种方法是基于特征提取的模式识别方法(FB)，该方法需要尽可能提取表征信号类别差异的特征，从而达到良好的分类性能。AsokeK.Nandi首次提出5种瞬时特征对6种信号进行分类，也有使用这些特征进行了9种信号的分类，扩大了信号的分类范围；及使用二阶矩和四阶矩，该特性具有较低的复杂度；使用累积量特征，允许在小样本容量的情况下分离子类，或通过归一化四阶累积量来克服多径衰落信道的影响；使用循环累积量和循环频率特征进行MQAM信号的分类，能够抗频偏和相偏；利用循环谱(cyclicspectrum)和累积量的结合方法，降低了信噪比门限；利用谱相关进行分类但计算复杂度较高；利用小波变换的特征进行分类；利用信号的星座图进行分类。上述方法尽管优点各异，但在实际非合作通信的应用中，面对拥有复杂噪声和存在大量干扰的信道环境，上述方法下提取的目标信号特征因为强噪声的存在被严重影响和破坏，特征之间的区分度也变得模糊，暴露出一定的局限性，因此实现微弱信号调制特征的提取从而提高识别率是目前研究领域寻求突破的热点问题之一。
技术实现思路
为此，本专利技术提供一种基于调参随机共振的低信噪比通信信号调制识别方法及装置，拓展随机共振应用范围，实现低信噪比下通信信号的特征提取和调制类型识别，提高识别正确率，具有很强的应用前景。按照本专利技术所提供的设计方案，一种基于调参随机共振的低信噪比通信信号调制识别方法，包含如下内容：A)针对低信噪比下微弱通信信号特征，利用自适应调节参数随机共振系统匹配最佳系统参数，以最大化增强信号能量；利用随机共振系统对通信信号进行随机共振处理，提取特征参数；其中，信号特征包含瞬时特征和小波变换特征，自适应调节参数随机共振系统采用双稳态系统；B)针对提取的特征参数，利用神经网络进行信号分类的调制识别。上述的，A)中，利用奇异值分解构建用于为输入通信信号选择最佳系统参数以实现最佳匹配的目标评价函数。优选的，A)中,利用目标评价函数并结合人工鱼群算法为输入通信信号自适应地选择最佳系统参数。上述的，A)中最佳系统参数选择，包含如下内容：首先，将待识别的通信信号进行数字化采样，并将其搬至中频；然后，利用人工鱼群算法为输入信号寻找用于对待识别通信信号进行随机共振处理的最佳系统参数。优选的，人工鱼群算法实现过程包含如下内容：初始化人工鱼群参数，包含设定信号中频数量级、系统参数初始寻优范围、人工鱼总数、繁衍代数、拥挤度因子和移动最大步长；利用随机共振系统中目标评价函数进行寻优过程评价，筛选当前系统最优参数；人工鱼依次执行行为函数，不断迭代，更新并记录全局最优参数；当迭代次数达到预设值时，输出当前获取的系统最优参数。上述的，A)中提取信号特征参数，该信号特征参数包含：瞬时特征和小波变换特征。优选的，瞬时特征参数提取过程中，包含分别对信号的瞬时幅度特征参数、瞬时相位特征参数和瞬时频率特征参数的提取。上述的，B)中，神经网络采用通过不断调整网络权重和阈值来学习或发现变量间关系以实现分类的反向传播BP神经网络。上述的，B)中，利用神经网络进行信号分类的调制识别，包含：依据收集的训练样本数据对神经网络进行训练，训练样本数据包含多类型信号及信号在预设信噪比范围下的各信号特征参数；利用训练好的神经网络对待识别信号的特征参数进行信号分类的调制识别。进一步地，本专利技术还提供一种基于调参随机共振的低信噪比通信信号调制识别装置，包含：特征提取模块和分类识别模块，其中，特征提取模块，用于针对低信噪比下微弱通信信号特征，利用自适应调节参数随机共振系统匹配最佳系统参数，以最大化增强信号能量；利用随机共振系统对通信信号进行随机共振处理，提取特征参数；其中，信号特征包含瞬时特征和小波变换特征，自适应调节参数随机共振系统采用双稳态系统；分类识别模块，用于针对提取的特征参数，利用神经网络进行信号分类的调制识别。本专利技术的有益效果：本专利技术针对低信噪比下微弱中频数字通信信号的瞬时特征和小波变换特征，提出利用自适应调参随机共振对其进行增强，并利用BP神经网络进行识别分类；理论与仿真相结合，证明其方案的有效性，并具有如下优点：第一，克服了传统随机共振的不足，利用奇异值分解构建出评价函数，并结合人工鱼群算法能够自适应的为未知的信号寻找最佳系统参数；第二，克服传统调制信号特征提取的劣势，能够在极低的信噪比下提取出具有区分度的信号特征，增强信号本身的特征，弱化噪声的影响；第三，与传统方法相比，能够在实现对微弱信号的调制识别，将正确识别信噪比门限降低了大约8dB；第四，拓展随机共振的应用范围，为信号特征提取和调制识别带来新思路，具有很强的适应性和推广性。附图说明：图1为实施例中调制识别方法流程图；图2为实施例中双稳态系统模型示意图；图3为实施例中调制识别原理图；图4为实施例中PSR前后的4ASK波形对比示意图；图5为实施例中PSR前后4ASK的幅度提取信息示意图；图6为实施例中PSR前后2ASK与4ASK的σaa特征对比曲线示意图；图7为实施例中PSR前后的QPSK波形对比示意图；图8为实施例中PSR前后QPSK的相位提取信息示意图；图9为实施例中PSR前后2PSK、QPSK与8PSK的σap特征对比曲线示意图；图10为实施例中PSR前后的4FSK波形对比示意图；图11为实施例中PSR前后4FSK的频率提取信息示意；图12为实施例中PSR前后2FSK与4FSK的σaf特征对比曲线示意图；图13为实施例中PSR前后的16QAM波形对比示意；图14为实施例中PSR前后16QAM的小波变换幅度提取信息示意；图15为实施例中PSR前后16QAM的归一化小波变换幅度提取信息示意；图16为实施例中PSR前后QPSK与16QAM的特征对比曲线示意图；图17为实施例中PSR前后4FSK与16QAM的特征对比曲线示意图；图18为实施例中神经网络示意图；图19为实施例中PSR前后γm跟随信噪比变化的曲线对比示意图；图20为实施例中PSR前后σaa跟随信噪比变化的曲线对比示意图；图21为实施例中PSR前后σdp跟随信噪比变化的曲线对比示意图；图22为实施例中PSR前后σap跟随信噪比变化的曲线对比示意图；图23为实施例中PSR前后σaf跟随信噪比变化的曲线对比；图24为实施例中PSR前后跟随信噪比变化的曲线对比；图25为实施例中PSR前后跟随信噪比变化的曲线对比；图26为实施例中原始信号识别正确率示意图；图27为实施例中PSR后信号识别正确率示意图。具体实施方式：为使本专利技术的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本专利技术作进一步详细的说明。一般认为噪声总本文档来自技高网...

【技术保护点】
1.一种基于调参随机共振的低信噪比通信信号调制识别方法，其特征在于，包含：A)针对低信噪比下微弱通信信号特征，利用自适应调节参数随机共振系统匹配最佳系统参数，以最大化增强信号能量；利用随机共振系统对通信信号进行随机共振处理，提取特征参数；其中，信号特征包含瞬时特征和小波变换特征，自适应调节参数随机共振系统采用双稳态系统；B)针对提取的特征参数，利用神经网络进行信号分类的调制识别。

【技术特征摘要】
1.一种基于调参随机共振的低信噪比通信信号调制识别方法，其特征在于，包含：A)针对低信噪比下微弱通信信号特征，利用自适应调节参数随机共振系统匹配最佳系统参数，以最大化增强信号能量；利用随机共振系统对通信信号进行随机共振处理，提取特征参数；其中，信号特征包含瞬时特征和小波变换特征，自适应调节参数随机共振系统采用双稳态系统；B)针对提取的特征参数，利用神经网络进行信号分类的调制识别。2.根据权利要求1所述的基于调参随机共振的低信噪比通信信号调制识别方法，其特征在于，A)中，利用奇异值分解构建用于为输入通信信号选择最佳系统参数以实现最佳匹配的目标评价函数。3.根据权利要求2所述的基于调参随机共振的低信噪比通信信号调制识别方法，其特征在于，A)中,利用目标评价函数并结合人工鱼群算法为输入通信信号自适应地选择最佳系统参数。4.根据权利要求1～3任一项所述的基于调参随机共振的低信噪比通信信号调制识别方法，其特征在于，A)中最佳系统参数选择，包含如下内容：首先，将待识别的通信信号进行数字化采样，并将其搬至中频；然后，利用人工鱼群算法为输入信号寻找用于对待识别通信信号进行随机共振处理的最佳系统参数。5.根据权利要求2～3任一项所述的基于调参随机共振的低信噪比通信信号调制识别方法，其特征在于，人工鱼群算法实现过程包含如下内容：初始化人工鱼群参数，包含设定信号中频数量级、系统参数初始寻优范围、人工鱼总数、繁衍代数、拥挤度因子和移动最大步长；利用随机共振系统中目标评价函数进行寻优过程评价，筛选当前系统最优参数；人工鱼依次执行行为函数，不断迭代，更新并记...

【专利技术属性】
技术研发人员：张政，马金全，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41