[发明专利]基于减法聚类和模糊聚类算法的通信信号识别方法

权利要求书

1.基于减法聚类和模糊聚类算法的通信信号识别方法，其特征在于，包括：

初始化领域半径、有效性函数变量、模糊聚类函数的收敛阀值和模糊聚类函数的最大迭代次数；

采用减法聚类算法对接收的通信信号的星座点进行聚类，并输出得到的多个减法聚类中心；

当减法聚类中心的个数小于第一预设定阀值时，将领域半径按第二预设定阀值减小，并重新采用减法聚类算法对通信信号的星座点进行聚类，直至减法聚类中心的个数大于等于第一预设定阀值；

以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点进行聚类，并输出得到的多个模糊聚类中心；

计算每个模糊聚类中心相对星座图原点的距离，并对所有的距离按降序排列，采用前半部分距离和后半部分距离计算通信信号星座图的相对半径；

通过相对半径对应的模糊聚类中心数目查找标准调制信号星座图具有相同聚类中心数目所对应的标准半径值，当相对半径与标准半径值之间的差异小于第三预设定阀值时，则标准调制信号所在的类别为通信信号的类别。

2.根据权利要求1所述的基于减法聚类和模糊聚类算法的通信信号识别方法，其特征在于，所述采用前半部分距离和后半部分距离计算通信信号星座图的相对半径进一步包括：

当模糊聚类中心数目大于等于预设定个数，则将前半部分距离中前预设定个数距离的平均值与后半部分距离中前预设定个数距离的平均值的比值作为通信信号星座图的相对半径；

当模糊聚类中心数目小于预设定个数时，将前半部分距离的平均值与后半部分距离的平均值的比值作为通信信号星座图的相对半径。

3.根据权利要求1或2所述的基于减法聚类和模糊聚类算法的通信信号识别方法，其特征在于，所述输出得到的多个模糊聚类中心与所述计算每个模糊聚类中心到星座图原点的距离之间进一步包括：

根据模糊聚类算法输出的星座点被分类到每个模糊聚类中心的隶属度，计算聚类有效性函数值；

将第一预设定阀值按设定倍数增加后更新第一预设定阀值，将领域半径按第二预设定阀值减小后更新领域半径，采用聚类有效性函数值更新有效性函数变量；

根据更新后的第一预设定阀值、领域半径和有效性函数变量，采用减法聚类算法对通信信号的星座点进行聚类，直至有效性函数值大于有效性函数变量。

4.根据权利要求3所述的基于减法聚类和模糊聚类算法的通信信号识别方法，其特征在于，当更新后的第一预设定阀值大于等于第四预设定阀时，还包括计算模糊聚类中心为四分之一第一预设定阀值和二分之一第一预设定阀值时的通信信号星座图的相对半径；

当更新后的第一预设定阀值大于等于二分之一第四预设定阀，且小于第四预设定阀时，还包括计算模糊聚类中心为二分之一第一预设定阀值时的通信信号星座图的相对半径。

5.根据权利要求4所述的基于减法聚类和模糊聚类算法的通信信号识别方法，其特征在于，所述计算聚类有效性函数值的具体公式为：

其中，x_j为通信信号中第j个星座点；c为模糊聚类中心的个数；v_i为第i个模糊聚类中心；n为通信信号中星座点的总数目；μ_ij为星座点x_j被分类到模糊聚类中心v_i的隶属度；当u_iju_kj时，δ_ij＝1，否则，δ_ij＝0；μ_kj为星座点x_j被分类到模糊聚类中心x_k的隶属度，k≠i；||...||为求距离操作；||x_j-v_i||为第j个模糊聚类中心v_j与第i个星座点x_i之间的距离；||v_i-v_j||为第i个模糊聚类中心v_i与第j个模糊聚类中心v_j之间的距离。