一种信号调制样式识别方法技术

本发明专利技术公开了一种信号调制样式识别方法，属于信号处理技术领域。针对现有技术中存在的信号自动调制样式识别技术识别效率较低、识别精度不高等问题，本发明专利技术提供了一种信号调制样式识别方法，通过提取样本信号的瞬时特征、高阶累积量特征、循环谱特征以及小波变换特征，构造样本信号特征数据训练矩阵，选取样本信号特征数据训练矩阵中的特征数据集通过神经网络进行循环训练，得到识别模型，计算识别模型的平均识别率，通过识别模型的平均识别率获得最优识别模型。由此本发明专利技术通过提取样本信号多域特征，建立特征集与调制样式集互相适配的识别模型，从而提高信号识别效率和识别精度。从而提高信号识别效率和识别精度。从而提高信号识别效率和识别精度。

【技术实现步骤摘要】
一种信号调制样式识别方法


[0001]本专利技术涉及信号处理
，更具体地说，涉及一种信号调制样式识别方法。

技术介绍

[0002]通信信号的自动调制样式识别技术是信号解调前的关键步骤，也是通信对抗领域的重要技术之一。当前，自动调制样式识别包括基于最大似然法的统计模式决策理论识别和基于信号特征提取的神经网络识别方法。其中，基于最大似然法的统计模式决策理论识别是针对特殊环境设置的，环境的微小偏差都会使识别准确率下降。而基于信号特征提取的神经网络识别方法可被提取的信号特征在卷积域数量相当可观，基于信号分析的特征包括瞬时特征、小波变换域特征、高阶累积量特征以及循环谱域特征等。
[0003]瞬时特征零中心归一化瞬时幅度之谱密度最大值能够很好的区分恒包络信号和非恒包络信号，但是对噪声敏感。小波变换域特征可以提取信号的细节特征，对噪声也不敏感，但是小波分解尺度较难把握，计算复杂度较高。高阶累积量特征对噪声有抑制能力，有很好的鲁棒性，但是需要较长符号的数据进行统计计算，对多进制频移键控(MFSK)的识别能力也欠缺。循环谱域特征能够提取丰富的信号特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信号调制样式识别方法，其特征在于，包括以下步骤：获取样本信号，对样本信号预处理；提取样本信号特征，所述样本信号特征包括瞬时特征、高阶累积量特征、循环谱特征以及小波变换特征；构造样本信号特征数据训练矩阵；选取样本信号特征数据训练矩阵中的特征数据集通过神经网络进行循环训练，得到识别模型；计算识别模型的平均识别率，通过识别模型的平均识别率获得最优识别模型。2.根据权利要求1所述的一种信号调制样式识别方法，其特征在于，设定样本信号特征数据训练矩阵中特征数据集的数量为K，其中，K为自然数，K≥3，选取样本信号特征数据训练矩阵中特征数据集的数量为r，其中，r为自然数，3≤r≤K。3.根据权利要求2所述的一种信号调制样式识别方法，其特征在于，选取样本信号特征数据训练矩阵中r个特征数据集通过神经网络进行循环训练，得到识别模型，所述识别模型的数量表示为：其中，M表示识别模型的数量，表示选取特征数据集的个数，C表示排列组合。4.根据权利要求3所述的一种信号调制样式识别方法，其特征在于，识别模型的平均识别率的计算公式为：其中，P表示识别模型的平均识别率，S表示所有调制样式的识别率之和，k表示调制样式类的数量。5.根据权利要求1所述的一种信号调制样式识别方法，其特征在于，使用信号仿真平台生成多种调制样式的信号，将生成的多种调制样式的信号通过发射机发送至接收机，接收机接收到多种调制样式的信号后采集所述样本信号。6.根据权利要求5所述的一种信号调制样式识别方法，其特征在于，对所述样本信号预处理包括去直流处理和归一化处理；所述去直流处理的计算公式为：其中，U(n)表示去直流后信号，V(n)表示I路信号或者Q路信号，N表示样本信号数据长度的1/2，n表示信号序列号，n为自然数，n＝1，2，3，
…
，N；所述归一化处理的计算公式为：其中，W(n)...

【专利技术属性】
技术研发人员：张琦，梁强，王慧梅，
申请(专利权)人：安徽白鹭电子科技有限公司，
类型：发明
国别省市：