基于分段线性压缩量化的BPSK及QPSK信号调制识别方法及系统技术方案

本发明专利技术针对二进制相位编码信号BPSK和四进制相位编码信号QPSK的识别问题，提出了一种基于分段线性压缩量化的BPSK及QPSK信号调制识别方法及系统。先将待识信号的时域观测样本进行平方运算，做傅立叶变换后取其模的平方，记为平方谱；而后将其作归一化处理，并对其进行分段线性量化，将归一化平方谱的量化值映射成图的顶点，通过考察各顶点间的相互转移关系建立相应的图拓扑；定义图的平均度作为识别统计量并设定相应门限，完成BPSK及QPSK两种调制信号的识别。本发明专利技术创新性地将分段线性压缩方法和图域信号处理方法相结合构建调制信号识别的方案。仿真结果表明，在较低信噪比条件下，对BPSK和QPSK两种调制信号能够进行更有效地识别。识别。识别。

【技术实现步骤摘要】
基于分段线性压缩量化的BPSK及QPSK信号调制识别方法及系统


[0001]本专利技术属于信号识别与处理领域，具体涉及一种基于分段线性压缩量化的BPSK(Binary Phase Shift Keying，BPSK)及QPSK(Quadrature Phase Shift Keying，QPSK)信号调制识别方法及系统。

技术介绍

[0002]在数字化接收机中，对雷达或通信信号的调制识别是介于信号检测与解调之间不可或缺的中间处理，已广泛应用于军事和民用领域。在军事领域，如电子侦察中，信号调制方式识别是获取敌方雷达性能参数以实现干扰敌方雷达的重要前提；而在民用领域如认知无线电中，在频谱管理过程中，为了提高频谱的利用效率，授权用户在频谱空闲时可以将频谱使用权暂时让渡给非授权用户，达到机会接入的目的。
[0003]近年来，一种新的基于图的信号处理算法信号的检测与识别方面引起了相关学者的关注。其基本思想是将信号的时域样本或者频域样本变换成一个由点与边构成的图，通过提取图域特征对信号进行检测(文献1：W.H.C.Yan K，Xiao H，et al，
″
Novel Robust Band
‑
Limited Signal Detection Approach Using Graphs，
″
IEEE Communications Letters，vo1.21，no.1，pp.20
‑
23，2017.)与识别(文献2：X.Yan，G.Liu，H.
>‑
C.Wu，G.Zhang，Q.Wang，and Y.Wu，
″
Robust modulation classiiication over α
‑
stable noise using graph
‑
based fractional lower
‑
order cyclic spectrum analysis，
″
IEEE Transactions on Vehicular Technology，vol.69，no.3，pp.2836
‑
2849，2020.)。文献1将待检测信号(BPSK信号或者高斯白噪声信号)转换到图域，并提取拉普拉斯矩阵的次大特征值作为特征量实现信号检测。该方法需要对图的拉普拉斯矩阵进行特征分解，其计算复杂度为O(N
03
)(假设图的拉普拉斯矩阵的维度为N0×
N0，N0是图的顶点个数)，计算时间成本较高，实时性相对较弱。文献2利用分数低阶循环谱，将Alpha稳定分布噪声下的接收信号映射到图域，进而提取特征实现识别。该类方法需要大样本或者已标识的训练样本集，且缺乏很好的可解释性。对于现实信号处理环境下的调制识别而言，算法在低信噪比条件下的识别性能和计算时间成本是两个关键问题。

技术实现思路

[0004]本专利技术从提高识别性能并尽可能减少计算复杂度的角度出发，提出了一种基于分段线性压缩量化的BPSK及QPSK信号调制识别方法及系统。先将BPSK/QPSK信号的时域观测样本进行平方运算，做傅立叶变换后取其模的平方，记为平方谱；而后将其作归一化处理，并对其进行分段线性量化，将归一化平方谱的量化值映射成图的顶点，通过考察各顶点间的相互转移关系建立相应的图拓扑；定义图的平均度作为识别统计量来完成信号的调制识别。该方法由于使用平均度特征，仅需计算图的度矩阵，与传统的基于次大特征值的图域特征提取方法不同，无需进行高维矩阵分解，一定程度上降低了算法复杂度。此外，仿真实验
表明，该算法在低信噪比条件下识别正确率较高，具有较好的工程应用价值。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]基于分段线性压缩量化的BPSK及QPSK信号调制识别方法，其特征在于，包括如下步骤：
[0007]步骤1：将待识信号的时域观测样本进行平方运算，做傅立叶变换后取其模的平方，记为平方谱；
[0008]步骤2：迭代求取量化级数的估计值，将平方谱作归一化处理，并对其进行分段线性量化，将归一化平方谱的量化值映射成图的顶点，通过考察各顶点间的相互转移关系，将平方谱变换成特定的无向图结构；
[0009]步骤3：提取图的平均度特征，并将其作为识别统计量；
[0010]步骤4：根据量化级数的估计值设定相应的门限，将图的平均度特征和设定的门限相比较，以完成对待识信号的识别。
[0011]为优化上述技术方案，采取的具体措施还包括：
[0012]进一步地，所述步骤1中，待识别信号在时域中表示为x(n)，将其先作平方运算，然后将平方运算后的信号做离散傅立叶变换并取其模的平方，得到平方谱Y(k)＝(|DFT[x2(n)]|)2，k＝0，1，...，N
‑
1，其中N为信号的样本点数。
[0013]进一步地，所述步骤2具体如下：
[0014]步骤2.1：设定顶点数的初始值，然后以此顶点数对待识信号的原始功率谱Z(k)＝(|DFT[x(n)]|)2进行图域变换，并记下该图度向量的最大值和最小值之差当时，ε为设定的参数，记下此时的顶点迭代值i0，令作为最终图域变换的顶点数；
[0015]步骤2.2：将平方谱Y(k)作归一化处理，得到其归一化平方谱Y0(k)为：
[0016][0017]其中，
[0018]将量化级数的估计值作为图域变换的顶点数，根据下式，对归一化平方谱Y0(k)进行分段线性压缩处理：
[0019][0020]其中，Q(k)为分段线性压缩后的序列；
[0021]步骤2.3：将Q(k)映射成无向图G(V，E)，其中图的顶点集图的边集合E＝{e
α，β
|ν
α
∈V，ν
β
∈V}，e
α，β
表示图的两个顶点之间的边；构成图的具体做法是：如果存在至少一次以下电平转移关系，Q(m)＝ν
α
并且Q(m+h)＝ν
β
，m＝1，...，N
‑
h，1≤h≤N
‑
1，则ν
α
和ν
β
两个顶点相连接，e
α，β
＝1；否则，两个顶点无连接，e
α，β
＝0。
[0022]进一步地，所述步骤2.1中，设定顶点数的初始值为2，ε取0.1。
[0023]进一步地，所述步骤3中，计算图G(V，E)的度矩阵并对该矩阵中所有元素求和以后再除以顶点数，则得到图G(V，E)的平均度：
[0024][0025]其中，Sum(D
G
)表示图度的和，将图G(V，E)的平均度<ω>作为调制识别的统计量。
[0026]进一步地，所述步骤4中，根据量化级数的估计值设定识别门限将识别统计量与设定的门限相比较，如果识别统计量小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分段线性压缩量化的BPSK及QPSK信号调制识别方法，其特征在于，包括如下步骤：步骤1：将待识信号的时域观测样本进行平方运算，做傅立叶变换后取其模的平方，记为平方谱；步骤2：迭代求取量化级数的估计值，将平方谱作归一化处理，并对其进行分段线性量化，将归一化平方谱的量化值映射成图的顶点，通过考察各顶点间的相互转移关系，将平方谱变换成特定的无向图结构；步骤3：提取图的平均度特征，并将其作为识别统计量；步骤4：根据量化级数的估计值设定相应的门限，将图的平均度特征和设定的门限相比较，以完成对待识信号的识别。2.如权利要求1所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法，其特征在于：所述步骤1中，待识别信号在时域中表示为x(n)，将其先作平方运算，然后将平方运算后的信号做离散傅立叶变换并取其模的平方，得到平方谱Y(k)＝(|DFT[x2(n)]|)2，k＝0，1，...，N
‑
1，其中N为信号的样本点数。3.如权利要求2所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法，其特征在于：所述步骤2具体如下：步骤2.1：设定顶点数的初始值，然后以此顶点数对待识信号的原始功率谱Z(k)＝(|DFT[x(n)]|)2进行图域变换，并记下该图度向量的最大值和最小值之差当时，ε为设定的参数，记下此时的顶点迭代值i0，令作为最终图域变换的顶点数；步骤2.2：将平方谱Y(k)作归一化处理，得到其归一化平方谱Y0(k)为：其中，将量化级数的估计值作为图域变换的顶点数，根据下式，对归一化平方谱Y0(k)进行分段线性压缩处理：其中，Q(k)为分段线性压缩后的序列；步骤2.3：将Q(k)映射成无向图G(V，E)，其中图的顶点集图的边集合E＝{e
α，β
|ν
α
∈V，ν
β
∈V}，e
α，β
表示图的两个顶点之间的边；构成图的具体做法是：如果存在至少一次以下电平转移关系，Q(m)＝v
α
并且Q(m+h)＝v
β
，m＝1，...，N
‑
h，1≤h≤N
‑
1，则v

【专利技术属性】
技术研发人员：杨莉，胡国兵，徐小阳，姜志鹏，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：