基于图及持续性熵特征的CR信号调制识别方法及系统技术方案

本发明专利技术针对2ASK、BPSK、QPSK和16QAM四种调制信号，提出了一种基于图及持续性熵特征的CR信号调制识别方法及系统。首先通过短时滤波技术对观测信号进行预处理，用以补偿因非线性变换带来的信噪比损失，以增加识别特征的可区分性。而后分类间识别和类内识别两个步骤，通过提取经处理后的观测信号生成的图的Gini系数、度之和以及持续性熵作为识别统计量，实现调制识别。仿真实验表明，在低信噪比时，本发明专利技术仍具较好的识别能力。较好的识别能力。较好的识别能力。

【技术实现步骤摘要】
基于图及持续性熵特征的CR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，具体涉及基于图及持续性熵特征的CR信号调制识别方法及系统。

技术介绍

[0002]认知无线电(Cognitive Radio，CR)信号的调制识别是频谱感知中重要任务之一，同时也是解调等后续信号处理的前提，其性能的好坏将影响整个认知信号处理的效果。目前，主要有两类方法：一类是基于似然函数(Likelihood
‑
Based，LB)的调制识别方法，另一类是基于特征(Feature
‑
Based，FB)的调制识别方法。前者虽然能得到贝叶斯最优解，但也存在依赖信号先验信息、无法保证封闭解存在、高计算复杂度和概率失配等问题；后者虽然无需先验信息，但特征提取需要人为定义或大量数据训练，对经验依赖性较大。对FB算法而言，如何提取区分性强、鲁棒性强且计算复杂度低的特征，是实现调制识别的关键。
[0003]近年来，拓扑域信号处理技术，特别是全球定位系统(Global Positioning System，GPS)研究的兴起，为调制识别的特征工程提供新的途径。GSP技术将信号从传统的时域、频域转换到图域进行调制识别，在一定程度上改善算法在低信噪比时的性能，已得到了相关领域研究者的关注。目前，GSP已在信号调制识别方面得到初步应用，其基本思想是将信号及其派生形式(如功率谱、时域样本等)通过一定的规则映射到图域，而后基于所生成的图拓扑结构进行特征分析，获取信号的特征用于识别。但有关GSP在CR调制识别当中应用的文献不多。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种基于图及持续性熵特征的CR信号调制识别方法及系统。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]基于图及持续性熵特征的CR信号调制识别方法，其特征在于，包括以下步骤：
[0007]步骤1：在进行调制识别前先对观测信号做短时滤波的预处理；
[0008]步骤2：计算观测信号的平方谱，加窗后进行图域转换；根据图的Gini系数判断观测信号为I类信号还是II类信号；
[0009]步骤3：对I类信号和II类信号使用不同的识别特征和识别规则进行识别：
[0010]对I类信号，计算观测信号的四次方谱，加窗后进行图域转换；根据图的度之和判断观测信号为QPSK信号还是16QAM信号；
[0011]对II类信号，计算观测信号的时频曲线，并求时频曲线的持续性图和持续性熵，根据持续性熵，判断观测信号为2ASK信号还是BPSK信号。
[0012]为优化上述技术方案，采取的具体措施还包括：
[0013]进一步地，所述步骤1的预处理过程包括以下子步骤：
[0014]步骤1.1：将离散采样后的原始观测信号进行分段，其形式表示为：
[0015]r
i
(n)＝s
i
(n)+ω
i
(n)，i(N
S
‑
1)≤n≤(i+1)(N
S
‑
1)
[0016]其中，s
i
(n)是发送端发送的调制信号，ω
i
(n)是加性高斯白噪声，N
S
为信号段的长度，i表示段数；
[0017]步骤1.2：计算r
i
(n)的N
S
点的离散傅里叶变换，得到R
i
(k)＝DFT[r
i
(n)]；
[0018]步骤1.3：设计一个传输特性如下的带通滤波器：
[0019][0020]其中，k
s
为|R
i
(k)|的最大谱线位置，|
·
|表示取模，d
s
为滤波的点数；将R
i
(k)输入设计的滤波器，其输出表示为：
[0021]R
i
′
(k)＝H
s
(k)R
i
(k)
[0022]步骤1.4：计算R
i
′
(k)的N
s
点逆离散傅里叶变换，得到r
i
′
(n)＝IDFT(R
i
′
(k))；
[0023]步骤1.5：将每个经分段重构后的时域信号按原先的分段顺序重新组合成新的观测信号
[0024]进一步地，所述步骤2包括以下子步骤：
[0025]步骤2.1：对经过步骤1处理后的观测信号做平方运算，进而通过离散傅里叶变换得到观测信号的平方谱；
[0026]步骤2.2：以谱线最大值为中心位置加矩形窗，取出矩形窗内的谱线，窗口的大小为取出的谱线数量；对平方谱χ(τ)，其经过加窗后的输出序列表示为：
[0027]χ
W
(τ)＝χ(τ)
·
W(τ)
[0028]式中，
[0029][0030]其中，τ
W
为|χ(τ)|的最大值位置，d
W
为窗口宽度；
[0031]步骤2.3：对加窗处理后的平方谱进行图域转换，并计算图的Gini系数GC，根据经验设置判决门限η
B
，0.1＜η
B
＜0.5；若GC＜η
B
则将观测信号判为I类信号，否则将观测信号判为II类信号；其中，I类信号包括QPSK和16QAM，II类信号包括2ASK和BPSK。
[0032]进一步地，所述步骤3中，对I类信号的识别过程包括以下步骤：
[0033]步骤3.1.1：对经过步骤1处理后的观测信号做四次方运算，并对其做傅里叶变换后取模，得到其四次方谱；以谱线最大值为中心位置加矩形窗，取出矩形窗内的谱线，窗口的大小为取出的谱线数量；
[0034]步骤3.1.2：将加窗后的信号进行图域转换，计算图的度之和d
sum
：
[0035][0036]其中，表示由图上各个顶点的度的值构成的向量，d
δ
为第δ个顶点的度，N0表示图的顶点数；
[0037]步骤3.1.3：根据经验设定门限35＜η
I
＜40，若d
sum
＜η
I
，则判为QPSK信号，否则判为16QAM信号。
[0038]进一步地，所述步骤3中，对II类信号的识别过程包括以下步骤：
[0039]步骤3.2.1：使用短时傅里叶变换获取经过步骤1处理后的观测信号的时频曲线，将信号分成N
short
个分块数据，N
short
为短时窗个数，对每个分块的信号段做频率估计，得到瞬时频率的估计值进而得到时频曲线样本
[0040]步骤3.2.2：对得到的时频曲线样本，采用子集滤流的方法生成时频曲线的持续性图；对于两个配对的点(l，m)，m，l本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图及持续性熵特征的CR信号调制识别方法，其特征在于，包括以下步骤：步骤1：在进行调制识别前先对观测信号做短时滤波的预处理；步骤2：计算观测信号的平方谱，加窗后进行图域转换；根据图的Gini系数判断观测信号为I类信号还是II类信号；步骤3：对I类信号和II类信号使用不同的识别特征和识别规则进行识别：对I类信号，计算观测信号的四次方谱，加窗后进行图域转换；根据图的度之和判断观测信号为QPSK信号还是16QAM信号；对II类信号，计算观测信号的时频曲线，并求时频曲线的持续性图和持续性熵，根据持续性熵，判断观测信号为2ASK信号还是BPSK信号。2.如权利要求1所述的基于图及持续性熵特征的CR信号调制识别方法，其特征在于：所述步骤1的预处理过程包括以下子步骤：步骤1.1：将离散采样后的原始观测信号进行分段，其形式表示为：r
i
(n)＝s
i
(n)+ω
i
(n)，i(N
s
‑
1)≤n≤(i+1)(N
s
‑
1)其中，s
i
(n)是发送端发送的调制信号，ω
i
(n)是加性高斯白噪声，N
S
为信号段的长度，i表示段数；步骤1.2：计算r
i
(n)的N
S
点的离散傅里叶变换，得到R
i
(k)＝DFT[r
i
(n)]；步骤1.3：设计一个传输特性如下的带通滤波器：其中，k
s
为|R
i
(k)|的最大谱线位置，|
·
|表示取模，d
s
为滤波的点数；将R
i
(k)输入设计的滤波器，其输出表示为：R
i
′
(k)＝H
s
(k)R
i
(k)步骤1.4：计算R
i
′
(k)的N
s
点逆离散傅里叶变换，得到r
i
′
(n)＝IDFT(R
i
′
(k))；步骤1.5：将每个经分段重构后的时域信号按原先的分段顺序重新组合成新的观测信号3.如权利要求1所述的基于图及持续性熵特征的CR信号调制识别方法，其特征在于：所述步骤2包括以下子步骤：步骤2.1：对经过步骤1处理后的观测信号做平方运算，进而通过离散傅里叶变换得到观测信号的平方谱；步骤2.2：以谱线最大值为中心位置加矩形窗，取出矩形窗内的谱线，窗口的大小为取出的谱线数量；对平方谱χ(τ)，其经过加窗后的输出序列表示为：χ
W
(τ)＝χ(τ)
·
W(τ)式中，其中，τ
W
为|χ(τ)|的最大值位置，d
W
为窗口宽度；步骤2.3：对加窗处理后的平方谱进行图域转换，并计算图的Gini系数GC，根据经验设
置判决门限η
B
，0.1＜η
B
＜0.5；若GC＜η
B
则将观测信号判为I类信号，否则将观测信号判为II类信号；其中，I类信号包括QPSK和16QAM，II类信号包括...

【专利技术属性】
技术研发人员：胡国兵，赵敦博，陈正宇，李鹏，赵嫔姣，杨莉，罗荣华，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：