[发明专利]基于相关性分簇的两级融合调制识别方法

权利要求书

1. 一种基于信号相关性分簇的两级融合调制识别的方法，其特征在于该方法具体包括：

    a、各节点计算相关性矩阵R，节点j在第t次循环接收信号能量为

                                                                                                                               其中为信号的采样点数，是j节点在第t次循环接收到的信号，表达式为  

                                                                             

是j节点接收到的有用信号，假定其为一个均值为零，方差为的独立随机分布过程，为服从零均值、方差为的高斯独立随机分布过程的白噪声，并且和相互独立的；则任意两个相互独立的节点接收信号的相关系数为

                             

为一个分簇周期的能量计算次数，j,k=1,2,...,N，N为接收节点个数，共得到个系数，这些系数组成代表各节点间相关性的矩阵R，R={}，共个元素；

    b、基于相关性矩阵进行分簇，每个簇由12个成员节点组成，具体过程如下：

    1) j表示节点序号，令j=1；

    2) 汇聚中心选择与节点j相关性最小的还未成簇的11个节点形成一个簇，且这12个节点打上成簇标签；

    3) 若j小于接收节点个数N，则j=j+1，转4）；否则跳到5）；

    4) 汇聚中心查询节点j是否成簇，若已成簇返回3）；否则返回2）；

    5) 分簇结束；

   c、特征级融合，簇内12个节点相互进行协作，每个节点只提取一个特征参数，按接收信号的信噪比由高到低选择特征参数的顺序是：S1、S2、S3、S4、S5、S6、S7、S8、、、、M，其中S1~S8是采用db3小波对接收信号进行7层分解，提取各层小波系数，重构各层信号并计算各层信号的平均方差得到的八种参数；为零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差；为零中心非弱信号段瞬时相位非线性分量的标准偏差；为复数平均值的模，其中是经零中心化处理后瞬时相位的非线性分量，,是瞬时相位，；为瞬时幅度均值的平方；每个簇选择信噪比最高的节点为簇头，各节点将提取的特征参数送往簇头已训练好的神经网络中进行识别，簇头将得到的融合识别结果告知汇聚中心；

  d、汇聚中心根据各簇的识别结果，采用投票融合准则得出最终的调制识别结果。