【技术实现步骤摘要】
基于BP网络针对非合作通信中MPSK信号的识别研究
[0001]本专利技术涉及神经网络的相关算法及信号处理相关理论属于通信信号处理和人工智能领域。
技术介绍
[0002]随着5G开始商用、下一代移动通信技术的研究业已启动，而卫星通信、扩频通信、跳频通信等新的通信技术也开始广泛使用，无线通信技术已经成为当前发展最迅速、应用最广泛的通信技术之一，随之而来的是越来越复杂的电磁环境，信号的调制方式也呈现出多样化发展势态，而在无线电频谱资源监管和现代电子战争等非合作通信系统中，应用信号的自动调制识别技术是其中非常关键的一步。
[0003]早期的信号调制识别是通过对测量参数的人工解译来实现的，因此严重依赖于操作人员的技术水平和工作经验。1969年4月，Weaver C S等人在斯坦福大学技术报告上发表了第一篇研究调制方式自动识别的论文——“采用模式识别技术实现调制类型的自动分类”，由此开启了信号自动调制识别的大门。
[0004]经典的调制识别技术可以分为两大类：1.基于假设检验的最大似然(ML)方法，2.基于特征提取的模...
【技术保护点】
【技术特征摘要】
1.本专利提出一种针对非合作通信系统中MPSK信号的类内识别的BP神经网络模型。该模型在低信噪比下的准确率方面，较前人的模型有着更加优异的表现。目前已应用在实际的项目中。本专利算法模型结构主要包括以下步骤：1)提取MPSK信号的三个瞬时特征和三个基于高阶累积量的特征作为网络模型的输入；2)构建含两个隐藏层的BP神经网络模型作为识别MPSK信号的分类器；3)使用GA算法对BP网络参数进行优化，以网络模型的输出误差作为适应度函数，得到最优的BP神经网络参数；4)将最优的BP神经网络参数传递到网络模型中，使用六种信号特征作为网络模型的输入进行BP网络网络模型的训练；5)对于网络模型的输出结果，需要进行反归一化处理，之后通过判决才能得到最终的识别结果；6)将以上步骤中的模块集成到一个程序中，当输入一组MPSK信号的值时，能够直接输出识别的结果。2.基于权利要求1中所述的特征提取模块，其特征在于：基于步骤1)通过分析MPSK信号的特征，选取三个基于瞬时特征和三个基于高阶累积量的特征作为特征样本。前人所提取到的特征只是单一类型特征的简单叠加或者是经过复杂的运算得到的特征，特征不够具有代表性且时间复杂度过高。本专利使用的特征结合了目标信号的时域特征和频域特征，特征更具有代表性、更能体现不同进制的PSK信号的特性。具体的特征提取有：瞬时特征：常用的信号瞬时特征主要包括瞬时频率、瞬时幅度和瞬时相位这三个。由于不同进制数的PSK信号之间主要是相位上的区别，因此本专利选取PSK信号的基于瞬时相位和瞬时频率的特征进行特征的计算。三个瞬时特征如下：(1)特征1其中，其中，C表示非弱信号(信号幅度大于判决门限a
t
)序列的个数，为零中心瞬时非线性相位。(2)特征2(3)特征3其中，为零中心归一化瞬时幅度，R
b
为码元速率，为零中心频率。
高阶累积量：信号的高阶累积量是信号的频域特征，鉴于高阶累积量对某些高斯白噪声的不敏感性，本专利通过高阶累积量的运算得到三个基于高阶累积量的频域特征。具体的特征计算公式如下：(4)特征4(5)特征5(6)特征6以上步骤可以得到目标信号的特征，还需要进行一定的处理才能够得到最终的数据集。首先，为了降低网络模型对于噪声的敏感性，需要将得到的特征进行信噪比无序处理；之后，对于样本需要进行归一化处理才能够得到最终的输入数据集。本专利中选取不同进制数、不同信噪比下每个信号的上述六个特征值的特征值组数为2600，最终得到的本专利的数据集输入的维度是10400
×
6。3.根据权利要求1所述的BP神经网络模型，其特征在于：基于步骤2)本专利的BP神经网络模型由输入层、两个隐藏层以及输出层构成。由信号提取的特...
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。