基于聚类实现任意星座图的MQAM信号调制方式识别的方法技术

本发明专利技术公开了一种基于聚类实现任意星座图的MQAM信号调制方式识别的方法，对于MQAM信号，理论上调制阶数可以很大，调制星座图的样式可以有任意多种，因此，往往很难确定待识别信号调制方式的可能范围，也就是有可能面临未知的调制方式。本发明专利技术提出两步聚类算法实现星座图的重构，然后基于重构星座图完成调制方式识别；基于信噪比的自适应减法聚类给出初始聚类结果，也就是完成初步的星座图重构，在此基础上在使用模糊C均值聚类完成最终的调制信号星座点重构；在星座点重构完成后，可根据星座点个数判断信号的调制阶数，对于阶数相同的调制方式集合，可以再使用广义似然比进行调制方式识别；使用本发明专利技术的方法可以通过重构星座图实现任意星座图的MQAM信号的调制方式识别。

【技术实现步骤摘要】
基于聚类实现任意星座图的MQAM信号调制方式识别的方法
本专利技术是一种数字通信信号调制方式识别方法，属于通信信号处理和检测

技术介绍
调制方式自动识别是介于信号检测和信号解调之间的一项技术，主要任务是实现调制信号的智能接收、处理。在民用方面，政府为了实施有效的无线电频谱管理，常常需要监视民用信号传输，以便对它们保持控制或者发现和监视未注册登记的发射机。在军事和国家安全方面，调制自动识别技术应用更为广泛。为了获取通信情报，首先要判断信号的调制方式，之后才能实施正确解调以及随后的信息处理和分析；在电子战中，为实施电子对抗、电子反对抗、威胁探测、告警、目标捕获和搜索等，都需要通过调制识别技术弄清相关通信或电子信号的参数和性质。除多载波调制信号MFSK外，其余的调制方式MPSK、MASK和MQAM信号都可以通过通用通信信号处理算法求出符号同步的基带复信号，利用此基带复信号我们可以利用本专利技术专利地方法完成调制方式的识别。
技术实现思路
本专利技术提供了一种基于聚类实现任意星座图的MQAM信号调制方式识别的方法。本专利技术的目的是这样实现的：对于MQAM信号，理论上调制阶数可以很大，调制星座图的样式可以有任意多种，因此调制识别很困难；调制星座图代表了不同的调制方式，本专利技术提出两步聚类算法实现星座图的重构，然后基于重构星座图完成调制方式识别，具体步骤为：步骤一：信号预处理：主要是通过通用解调算法，从中频信号中解调出符号同步的复基带信号；步骤二：使用基于信噪比估计的自适应减法聚类，这是第一步聚类算法，主要目的是给出聚类中心的初始个数和初始位置，符号同步的复基带信号rk为rk=Rkejθk+nk,]]>k＝1，2，…，N.(1)其中，其中代表信号的调制星座点，nk代表了高斯噪声，N表示采样序列长度；信噪比为SNR，并且这个值已通过盲的信噪比估计得到；由SNR，算出平均噪声功率Pn，进而算出每个采样点的“密度”指标Dk：Dk=Σj=1Nexp(-||rk-rj||2Ka*Pn).---(2)]]>其中，Ka是一个调整系数。根据式(2)的结果，选出Dk的最大值Dc，1对应的采样点rc，1为第一个聚类中心；然后，对上面的“密度”指标修正；Dk=Dk-Dc,1exp(-||rk-rc,1||2Kb*Pn).---(3)]]>其中，Kb是一个调整系数。用同样的方法选出第二个聚类中心rc，2；从第三个聚类中心rc，3开始，每次选出新聚类中心rc，l+1后，判断聚类中心是否已全部选出：min{‖rc，k-rc，l+1‖2}＞Kc*Pn，k＝1，2，…，l.(4)其中，Kb是一个调整系数，如果式(4)成立，则继续进行减法聚类，否则结束；步骤三：使用C均值聚类算法或模糊C均值聚类算法重构星座图。这是第二步聚类算法，主要目的是基于第一步聚类结果完成星座图的重构；R＝{rk，k＝1，2，…，N}是N个基带复信号样本组成的样本集合，C为预定的类别数目，mi，i＝1，2，…C为每个聚类的中心，μi(rk)是第k个样本对于第i个聚类的隶属度函数；根据已知的初始聚类中心，计算样本对所有初始聚类点的隶属度大小，隶属度函数定义如下μi(rk)=(1/||rk-mi||2)1/(b-1)Σl=1C(1/||rk-ml||2)1/(b-1),]]>k＝1，2，…，N，i＝1，2，…，C.(5)隶属度计算完成后，计算在此隶属度下的聚类中心的取值mi=Σk=1N[μi(rk)]brkΣk=1N[μi(rk)]b,]]>i＝1，2，…，C.(6)在有了聚类中心和隶属度后，计算用隶属度函数定义的聚类代价函数Jf=Σi=1CΣk=1N[μi(rk)]b||rk-mi||2.---(7)]]>其中，b＞1是一个可以控制聚类结果的模糊程度的常数；通过上面的公式(5)、(6)、(7)反复迭代，使得聚类中心逐渐收敛到聚类代价函数最小的点，此时隶属度值趋于稳定，迭代的结束条件是Jf(k+1)≈Jf(k).(8)通过以上两部聚类算法可完成星座图重构。步骤四：使用基于重构星座图的广义似然比测试(GLRT：GeneralLikelihoodRateTest)，完成调制方式的识别：首先根据重构出的星座点个数，判断调制方式阶数；如果待识别调制方式集合中有两种调制方式的阶数是一样的，那么继续使用GLRT分类；通过重构星座点mi和调制星座点间的欧式距离最近，给初调制星座点的极大似然估计上标c代表了不同的调制类型；然后使用GLRT分类同阶调制类型。表达式如下其中，表示估计出的调制阶数，表示使lGLR，m取得最小值的调制方式c；通过式(10)完成了最终的调制方式识别。本方法的益处在于能完成任意星座图的MQAM信号的调制方式的识别。MQAM信号的调制阶数可以从4阶到1024阶(甚至更高)，调制星座图也可以根据双方约定变化，传统的调制识别方法，所能识别的MQAM信号范围很有限。使用本专利技术提出的方法完成调制方式识别具有：MQAM信号星座图范围不受限制、识别率高、抗高斯噪声能力强等优点。附图说明图1是本专利技术基于星座图重构的数字调制信号调制方式识别方法处理流程；图2是使用本专利技术进行16QAM信号星座图重构的效果图；图3是使用本专利技术进行V.29/16QAM信号星座图重构的效果图；具体实施方式下面结合附图，对本专利技术作进一步的说明：对于MQAM信号，理论上调制阶数可以很大，调制星座图的样式可以有任意多种，因此调制识别很困难；调制星座图代表了不同的调制方式，本专利技术提出两步聚类算法实现星座图的重构，然后基于重构星座图完成调制方式识别，具体步骤为：步骤一：信号预处理：主要是通过通用解调算法，从中频信号中解调出符号同步的复基带信号；步骤二：使用基于信噪比估计的自适应减法聚类，这是第一步聚类算法，主要目的是给出聚类中心的初始个数和初始位置，符号同步的复基带信号rk为rk=Rkejθk+nk,]]>k＝1，2，…，N.(11)其中，其中代表信号的调制星座点，nk代表了高斯噪声，N表示采样序列长度；信噪比为SNR，并且这个值已通过盲的信噪比估计得到；由SNR，算出平均噪声功率Pn，进而算出每个采样点的“密度”指标Dk：Dk=Σj=1Nexp(-||rk-rj||2Ka*Pn).---(12)]]>其中，Ka是一个调整系数。根据式(2)的结果，选出Dk的最大值Dc，1对应的采样点rc，1为第一个聚类中心；然后，对上面的“密度”指标修正；Dk=Dk-Dc,1exp(-||rk-rc,1||2Kb*Pn).---(13)]]>其中，Kb是一个调整系数。用同样的方法选出第二个聚类中心rc，2；从第三个聚类中心rc，3开始，每次选出新聚类中心rc，l+1后，判断聚类中心是否已全部选出：min{‖rc，k-rc，l+1‖2}＞Kc*Pn，k＝1，2，…，l.(14)其中，Kb是一个调整系数，如果式(4)成立，则继续进行减法聚类，否则结束；步骤三：使用C均值聚类算法或模糊C均值聚类算法重构星座图。这是第二步聚类算法，主要目的是基于第一步聚类结果完成星座图的重构；R＝{rk，k＝1，2，…，N}是N本文档来自技高网...

【技术保护点】
基于聚类实现任意星座图的ＭＱＡＭ信号调制方式识别的方法，其特征在于包括如下步骤：步骤一：信号预处理：主要是通过通用解调算法，从中频信号中解调出符号同步的复基带信号；步骤二：自适应减法聚类重构星座图，这是第一步聚类算法，主要目的是给出聚类中心的初始个数和初始位置，符号同步的复基带信号ｒ↓［ｋ］为ｒ↓［ｋ］＝Ｒ↓［ｋ］ｅ↑［ｊθ↓［ｋ］］＋ｎ↓［ｋ］，ｋ＝１，２，…，Ｎ．（１）其中，其中Ｒ↓［ｋ］ｅ↑［ｊθ↓［ｋ］］代表信号的调制星座点，ｎ↓［ｋ］代表了高斯噪声，Ｎ表示采样序列长度；信噪比为ＳＮＲ，并且这个值已通过盲的信噪比估计得到；由ＳＮＲ，算出平均噪声功率Ｐ↓［ｎ］。进而算出每个采样点的“密度”指标Ｄ↓［ｋ］；Ｄ↓［ｋ］＝＊ｅｘｐ（－｜｜ｒ↓［ｋ］－ｒ↓［ｊ］｜｜↑［２］／Ｋ↓［ａ］＊Ｐ↓［ｎ］）．（２）其中，Ｋ↓［ａ］是一个调整系数。根据式（２）的结果，选出Ｄ↓［ｋ］的最大值Ｄ↓［ｃ，１］对应的采样点ｒ↓［ｃ，１］为第一个聚类中心；然后，对上面的“密度”指标修正；Ｄ↓［ｋ］＝Ｄ↓［ｋ］－Ｄ↓［ｃ，１］ｅｘｐ（－｜｜ｒ↓［ｋ］－ｒ↓［ｃ，１］｜｜↑［２］／Ｋ↓［ｂ］＊Ｐ↓［ｎ］）．（３）其中，Ｋ↓［ｂ］是一个调整系数。用同样的方法选出第二个聚类中心ｒ↓［ｃ，２］；从第三个聚类中心ｒ↓［ｃ，３］开始，每次选出新聚类中心ｒ↓［ｃ，ｌ＋１］后，判断聚类中心是否已全部选出；ｍｉｎ｛‖ｒ↓［ｃ，ｋ］－ｒ↓［ｃ，ｌ＋１］‖↑［２］｝＞Ｋ↓［ｃ］＊Ｐ↓［ｎ］，ｋ＝１，２，…，ｌ．（４）其中，Ｋ↓［ｂ］是一个调整系数。如果式（４）成立，则继续进行减法聚类，否则结束；步骤三、使用模糊Ｃ均值聚类算法或Ｃ均值聚类算法重构星座图，这是第二步聚类算法，主要目的是基于第一步聚类结果完成星座图的重构；｛ｒ↓［ｋ］，ｋ＝１，２，…，Ｎ｝是Ｎ个基带复信号样本组成的样本集合，＊为减法聚类估计出的聚类中心个数，ｍ↓［ｉ］，ｉ＝１，２，…＊为每个聚类的中心，μ↓［ｉ］（ｒ↓［ｋ］）是第ｋ个样本对于第ｉ个聚类的隶属度函数；根据已知的初始聚类中心，计算样本对所有初始聚类点的隶属度大小，隶属度函数定义如下μ↓［ｉ］（ｒ↓［ｋ］）＝（１／｜｜ｒ↓［ｋ］－ｍ↓［ｉ］｜｜↑［２］）↑［１／（ｂ－１）］／＊（１／｜｜ｒ↓［ｋ］－ｍ↓［ｌ］｜｜↑［２］）↑［１／（ｂ－１）］，ｋ＝１，２，…，Ｎ，ｉ＝１，２，…，＊．（５）隶属度计算完成后，计算在此隶属度下的聚类中心值ｍ↓［ｉ］＝＊［μ↓［ｉ］（ｒ↓［ｋ］）］↑［ｂ］ｒ↓［ｋ］／＊［μ↓［ｉ］（ｒ↓［ｋ］）］↑［ｂ］，ｉ＝１，２，…，＊．（６）在有了聚类中心和隶属度后，计算用隶属度函数定义的聚类代价函数Ｊ↓［ｆ］＝＊＊［μ↓［ｉ］（ｒ↓［ｋ］）］↑［ｂ］｜｜ｒ↓［ｋ］－ｍ↓［ｉ］｜｜↑［２］．（７）其中，ｂ＞１是一个可以控制聚类结果的模糊程度的常数。通过上面的公式（５）（６）（７）反复迭代，使得聚类中心逐渐收敛到聚类代价函数最小的点，此时隶属度值趋于稳定，迭代的结束条件是Ｊ↓［ｆ］（ｋ＋１）≈Ｊ↓［ｆ］（ｋ）．（８）通过以上两部聚类算法可完成星座图重构；步骤四、使用基于重构星座图的广义似然比测试（ＧＬＲＴ）完成调制方式识别：首先根据重构出的星座点个数，判断调制方式阶数。如果待识别调制方式集合中有两种调制方式的阶数是一样的，那么继续使用ＧＬＲＴ分类；通过重构星座点ｍ↓［ｉ］和调制星座点Ｒ↓［ｋ］ｅ↑［ｊθ↓［ｋ］］间的欧式距离最近，给出调制星座点的极大似然估计＊↓［ＭＬ，ｉ］↑［（ｃ）］，上标ｃ代表了不同的调制类型；然后使用ＧＬＲＴ分类同阶调制类型；表达式如下ｌ↓［ＧＬＲ，ｍ］＝＊（｜ｍ↓［ｉ］－＊↓［ＭＬ，ｉ］↑［（ｃ）］｜↑［２］），（９）ＧＬＲＴ↓［ＭＱＡＭ，ＭＰＳＫ，ｍ］＝＊（ｌ↓［ＧＬＲ，ｍ］）．（１０）其中，＊表示估计出的调制阶数，＊（ｌ↓［ＧＬＲ，ｍ］）表示使ｌ↓［ＧＬＲ，ｍ］取得最小值的调制方式ｃ。通过式（１０）完成了最终的调制方式识别。...

【技术特征摘要】
1.基于聚类实现任意星座图的MQAM信号调制方式识别的方法，其特征在于包括如下步骤：步骤一：信号预处理：主要是通过通用解调算法，从中频信号中解调出符号同步的复基带信号；步骤二：自适应减法聚类重构星座图，这是第一步聚类算法，主要目的是给出聚类中心的初始个数和初始位置，符号同步的复基带信号rk为其中，其中代表信号的调制星座点，nk代表了高斯噪声，N表示采样序列长度；信噪比为SNR，并且这个值已通过盲的信噪比估计得到；由SNR，算出平均噪声功率Pn，进而算出每个采样点的“密度”指标Dk；其中，Ka是一个调整系数；根据式(2)的结果，选出Dk的最大值Dc,1对应的采样点rc,1为第一个聚类中心；然后，对上面的“密度”指标修正；其中，Kb是一个调整系数；用同样的方法选出第二个聚类中心rc,2；从第三个聚类中心rc,3开始，每次选出新聚类中心rc,l+1后，判断聚类中心是否已全部选出；min{||rc,k-rc,l+1||2}>Kc*Pn,k＝1,2,L,l.(4)其中，Kc是一个调整系数；如果式(4)成立，则继续进行减法聚类，否则结束；步骤三、使用模糊C均值聚类算法或C均值聚类算法重构星座图，这是第二步聚类算法，主要目的是基于第一步聚类结果完成星座图的重构；{rk,k＝1,2,L,N}是N个基带复信号样本组成的样本集合，为减法聚类估计出的聚类中心个数，mi,i＝1,2,L为每个聚类的中心，...

【专利技术属性】
技术研发人员：孙钢灿，
申请(专利权)人：郑州大学，
类型：发明
国别省市：41