[发明专利]基于相关性分簇的两级融合调制识别方法

说明书

技术领域

本发明涉及一种调制方式自动识别技术中两级融合的实现方案，属于通信技术领域。

背景技术

    通信的目的是通过信道有效、安全、准确的传输信息，无论有线通信或是无线通信，由于信道的限制也为了充分利用信道的容量，满足用户的不同需求，基带信号都不能直接传输，必须经过调制。通过调制，可使信号更安全的传输，也可获得更高的通信速率，更有效的频谱利用率。随着电子技术的快速发展，以及对信息传输技术的不断提高，通信信号的调制方式也越来越多。目前的通信系统中应用了各种各样的调制方式，并将信号调制到不同的频带上进行传输。在大部分民用通信中，大都采用合作通信即事先知道传输信号的调制方式、调制参数，接收机只需要将接收到的信息按事先所给的调制方式和调制参数解调即可。但是接收端可能会接收到各种各样的信号，毕竟在通信信号如此发达的今天，周围空间中的信号复杂繁多，如何从接收端提取出真正要接收的信号也是一个重要的问题，有一种方法就是对接收到的信号进行识别，得到其调制方式和调制参数，然后和事先给定的信号比对，如果确定是发送端的信号就对其进行接收并解调。同时目前软件无线电接收机也都实现了多频带、多调制信号的自动接收，也需要先进行信号的调制模式识别和信号参数识别，才能正确接收。非合作通信主要应用的就是军事领域，电子战是现代战争的重要标志。通信对抗是电子战的主要内容，包括敌方信号的截获、检测、识别和定向测位对方信号，进而破译对方的通信信启、或发出相同的信号对敌方信号进行干扰。然而通信信号调制方式的识别是实现侦听和干扰的前提，只有正确识别对方信号的调制方式才有可能进一步检测出对方信号的相关调制参数，从而达到破译敌方信号的目的。调制识别在军事和民用方面都有重要的意义和价值。

    信号调制特点反映在时频两域，想准确地提取不同信号调制特点需要从时频两域进行。小波变换具有不同于傅里叶变换的多分辨分析特点，能从时域频域很好地表征信号局部特性，从而可用来提取不同调制类别的特征。神经网络作为分类器进行分类识别，不需要先验知识和选取门限值，能够在个别参数不准确或失真的情况下保证整体的识别率。因此，小波分析和神经网络结合的无线通信信号调制类别检测系统，具有很大的应用前景。

   无线环境中“隐终端”、衰落等问题将会导致识别性能的恶化。为了克服这些问题，采用多个接收用户协作识别的方法，将不同用户接收到的来自同一发送端的信息加以融合，避免了单用户识别的独断性，同时还能够节省单用户的能耗。协作实际建立了空间分集，利用了相同无线信号在不同终端不同传输路径的多接收优势。

分簇结构的应用使得接收用户向簇头而不是直接向汇聚中心报告信息，与传统策略相比，报告信道的距离缩小了，从而可以延长整个网络的生存时间，而且分簇式拓扑结构有利于分布式算法的应用。根据相似性进行分簇的算法，利用了成员节点受到多种因素共同影响且可以周期性重复的特点，实现了有效的自适应分簇，而协作增益随协作的用户距离增加，相关性减小而增大。

发明内容

技术问题：本发明的目的是提供一种基于相关性分簇的两级融合调制识别方法，该方法能提高系统平均识别性能，是一种低信噪比下的很好的调制识别方法。

技术方案：本发明的调制信号特征提取方法是用db3小波对BPSK，2FSK，2ASK，QPSK，4FSK，以及4ASK六种信号进行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S，得到S1~S8八种参数；同时引入四种特征参数：                                                、、、。为克服“隐终端”问题，采用了一种基于接收信号相关性分簇的两级融合调制识别的方法，该方法基于接收信号能量的相关性进行分簇，簇内节点根据接收信噪比的大小提取不同参数进行协作，每个节点按上述方法只提取一种特征参数，送往簇头，在簇头处进行初级特征融合，簇头将初级判决结果送至汇聚中心，在汇聚中心进行决策级融合。

具体的方法为：

    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