一种用于在低信噪比下识别ASK类信号的特征提取方法技术

本发明专利技术公开了一种用于在低信噪比下识别ASK类信号的特征提取方法，包括以下步骤：S1:读入待测信号的信号采样序列；S2:通过对信号采样序列的自相关函数进行傅立叶变换得到信号采样序列的功率谱密度；S3:对功率谱密度进行处理；S4:计算功率谱密度的标准差和均值；S5:计算待测信号的标准差系数mdask，完成待测信号的特征提取；S6:对待测信号进行识别，完成在低信噪比下识别ASK类信号。本发明专利技术提供的方法不仅可以在低信噪比下完成有效识别ASK类信号的任务，而且可以直接处理中频信号且不受载波频率等通信参数的影响，更不需要精确的参数估计。同时，本发明专利技术所提取的特征参数不会出现大幅度变动，具有有效性和稳健性。

A feature extraction method for identifying ask like signals in low SNR

【技术实现步骤摘要】
一种用于在低信噪比下识别ASK类信号的特征提取方法
本专利技术属于信号调制识别
，具体涉及一种用于在低信噪比下识别ASK类信号的特征提取方法。
技术介绍
从接收的信号中提取用于信号模式识别的信号特征参数，是实现调制模式识别的第一步，也是关键的一个环节。对于如何从多种调制样式的信号中完成ASK类信号的识别，现有方法多提取基于离散瞬时幅度的统计信息。这些基于离散瞬时幅度的统计性特征固然会在信噪比较高的情况下有着优异的表现，但在信噪比较低时却往往无能为力，即使采取多种预处理手段如添加滤波器和进行滑动平均等也无法有效去除掉噪声的干扰，对不同通信参数下采集到的信号序列进行预处理的方法也会受到通信参数的影响。此外，此类基于离散瞬时幅度的统计性特征也不能够适应不同载波频率的情况。如果将接收到的已调频带信号转换成基带复信号可以去除掉载频的感染，但同时又会增加载波同步、码元同步和参数估计等操作，并且在此过程中难免会再引入其他误差。基于以上情况，本专利技术提出了一种用于在低信噪比下识别ASK类信号的特征提取方法。专利技术内容本专利技术本文档来自技高网...

【技术保护点】
1.一种用于在低信噪比下识别ASK类信号的特征提取方法，其特征在于，包括以下步骤：/nS1：读入待测信号的信号采样序列；/nS2：通过对信号采样序列的自相关函数进行傅立叶变换得到信号采样序列的功率谱密度；/nS3：对功率谱密度进行处理，得到处理后的功率谱密度；/nS4：计算处理后的功率谱密度的标准差和均值；/nS5：根据处理后的功率谱密度的标准差和均值得到待测信号的标准差系数mdask，完成待测信号的特征提取；/nS6：利用标准差系数mdask对待测信号进行识别，完成在低信噪比下识别ASK类信号。/n

【技术特征摘要】
1.一种用于在低信噪比下识别ASK类信号的特征提取方法，其特征在于，包括以下步骤：
S1：读入待测信号的信号采样序列；
S2：通过对信号采样序列的自相关函数进行傅立叶变换得到信号采样序列的功率谱密度；
S3：对功率谱密度进行处理，得到处理后的功率谱密度；
S4：计算处理后的功率谱密度的标准差和均值；
S5：根据处理后的功率谱密度的标准差和均值得到待测信号的标准差系数mdask，完成待测信号的特征提取；
S6：利用标准差系数mdask对待测信号进行识别，完成在低信噪比下识别ASK类信号。


2.根据权利要求1所述的用于在低信噪比下识别ASK类信号的特征提取方法，其特征在于，所述步骤S2包括以下子步骤：
S21：计算信号采样序列S(n)的自相关函数R(k)；
S22：通过对自相关函数R(k)进行傅立叶变换得到信号采样序列的功率谱密度C1(n)，其计算公式为：
C1(n)＝FFT[R(k)]
R(k)＝E[s(n)s(n+k)]
其中，n用来遍历信号采样序列S(n)的每个采样点，k为进行自相关运算时信号序列本身所延迟的点数，FFT[*]为傅立叶变换，E[*]为求均值。


3.根据权利要求1所述的用于在低信噪比下识别ASK类信号的特征提取方法，其特征在于，所述步骤S3包括以下子步骤：
S31：对功率谱密度取平方，得到取平方后的功率谱密度C2(n)，其计算公式为：
C2(n)＝[C1(n)]2
其中，n用来遍历信号采样序列的每个采样点，C1(n)为功率谱密度；
S32：对取平方后的功率谱密度进行第一次取绝对值的零中心归一化处理，得到中间功率谱密度C3(n)，其计算公式为：



其中，n用来遍历信号采样序列的每个采样点，N为信号采样序列的采样点总数，C2(n)为取平方后的功率谱密度；
S33：对中间功率谱...

【专利技术属性】
技术研发人员：王超宇，邵怀宗，张伟，林静然，利强，潘晔，胡全，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51