一种基于两级密度峰值聚类分析的APSK信号识别方法技术

技术编号:41882936 阅读:23 留言:0更新日期:2024-07-02 00:37
本发明专利技术提供了一种基于两级密度峰值聚类分析的APSK信号识别方法,包括以下步骤:对APSK信号星座图的信号星座点序列进行取模,得到APSK幅度星座图的信号星座点序列;对幅度星座图上的信号星座点进行一次密度峰值聚类分析,得到幅度星座图的幅度层数以及幅度参数;对信号星座图同心圆上的信号星座点进行二次密度峰值聚类分析,得到幅度层上的二次聚类中心点的点数;对APSK信号星座图中信号星座点同心圆的圈数及二次聚类中心点点数进行判决,得到APSK信号的信号类型。本发明专利技术能够实现对APSK信号的识别,解决了信号星座图中信号星座点密集而造成难以识别的技术问题,有效提升了APSK信号的识别精度和时间效率。

【技术实现步骤摘要】

本专利技术涉及apsk信号的接收设备研制领域,具体涉及一种基于两级密度峰值聚类分析的apsk信号识别方法。


技术介绍

1、apsk信号是一种载波的幅度和相位同时承载信息的混合调制方式,与qam信号类似,星座图样式是qam信号和apsk信号的一个很重要的特征。目前已有研究基于星座图样式进行信号识别,具体是基于星座图进行聚类,并提取聚类中心与理想星座图进行匹配,实现了mpsk、mqam 等调制方式的识别。通常情况下星座点越多,计算复杂度越高,星座点间距越小,有效识别所需的信噪比越高,另外与qam 信号不同的是,同一级数的apsk 信号通常存在多种星座图样式,且星座图样式通常比较接近,这也给apsk信号的识别带来了困难。

2、密度峰值聚类算法(dpc算法,全称为density peak clustering)是一种简单高效的聚类算法,其由rodriguez等人于2014年在science发表。该算法是一种可以将任意维度的数据集通过计算局部密度以及相对距离的算法,其通过将数据集映射成一个反应出数据集的层次关系的二维决策图,然后选取数据集中密度高且距离其本文档来自技高网...

【技术保护点】

1.一种基于两级密度峰值聚类分析的APSK信号识别方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于两级密度峰值聚类分析的APSK信号识别方法,其特征在于,对APSK信号星座图的信号星座点序列进行取模,具体包括:

3.如权利要求2所述的一种基于两级密度峰值聚类分析的APSK信号识别方法,其特征在于,对幅度星座图上的信号星座点进行一次密度峰值聚类分析,具体包括:

4.如权利要求3所述的一种基于两级密度峰值聚类分析的APSK信号识别方法,其特征在于,根据幅度星座图中信号星座点的幅度值,计算获得每个信号星座点的第一局部密度以及第一相对距离,具体...

【技术特征摘要】

1.一种基于两级密度峰值聚类分析的apsk信号识别方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于两级密度峰值聚类分析的apsk信号识别方法,其特征在于,对apsk信号星座图的信号星座点序列进行取模,具体包括:

3.如权利要求2所述的一种基于两级密度峰值聚类分析的apsk信号识别方法,其特征在于,对幅度星座图上的信号星座点进行一次密度峰值聚类分析,具体包括:

4.如权利要求3所述的一种基于两级密度峰值聚类分析的apsk信号识别方法,其特征在于,根据幅度星座图中信号星座点的幅度值,计算获得每个信号星座点的第一局部密度以及第一相对距离,具体包括:

5.如权利要求4所述的一种基于两级密度峰值聚类分析的apsk信号识别方法,其特征在于,将选取的第一局部密度大于第一预设密度门限值且第一相对距离大于第一预设距离门限值的信号星座点确认为一次聚类中心点,具体包括:

6.如权利要求5所述的一种基于两级密度峰值聚类分析的apsk信号识别方法,其特征在于,根据信号星座图同心圆的圈数,计算apsk信号星座图中相邻的信号星座图同心圆之间的间隔,具体包括:

7.如权利要求6所...

【专利技术属性】
技术研发人员:曾祥华吴步云王文博廖鹏
申请(专利权)人:长沙先度科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1