[发明专利]一种信号调制格式识别方法及系统

说明书

一种信号调制格式识别方法及系统，涉及通信应用领域，包括：接收端将N个原始接收信号经接收处理后得到的N个符号，两两相减后得到多个伪信号矢量；根据所述伪信号矢量对应的伪信号得到伪信号星座图，将伪信号星座图生成大小统一的图像；通过深度学习网络，识别出所述图像对应的原始接收信号所采用的调制格式；通过少量接收信号识别各种高阶调制格式，能在信道快速变化或数据量有限的条件下获得很高的识别成功率。

技术领域

本发明涉及通信应用领域，具体来讲涉及一种信号调制格式识别方法及系统。

背景技术

为应对频谱资源日益短缺的问题，在室内通信场景下更倾向于使用诸如可见光、毫米波之类的光无线技术。典型的光无线通信场景下，信道SNR(Signal Noise Ratio，信噪比)并不平坦，多用户、信道衰落、非视距等因素更增加了系统的复杂性。为有效利用和管理信道，通常采用诸如信道均衡、DMT(Discrete Multi Tone，离散多音频技术)等技术，同时服务多个用户，提高系统通信容量。为应对信道衰落还使用诸如Bit-loading等技术，通过动态调整各子载波的调制格式，在不同SNR条件下实现最低误码率。因此，在光无线通信中复杂的信道条件下，接收端动态识别信号的调制格式对于频谱管理、干扰识别、窃听等应用都非常重要，成为光无线通信中的一个重要研究问题。

传统的调制格式分类方法可归为两大类：一种是基于最大似然(MaximumLikelihood，ML)算法，一类是基于特征分类方法。最大似然算法比较接收信号和已知调制格式信号的相似度来判决调制格式；而特征分类方法通过从信号观察值中提取出信号特征进行判决。已有的特征分类方法中，诸如支持向量机(Support Vector Machine，SVM)、累积量(Cumulants)、人工神经网络(Artificial Neural Network，ANN)等多种方法都能获得较高的识别正确率。基于特征提取的方法都需要足够的样本才能准确反应出其统计特征，但在实际应用当中，更多的接收信号增加了计算量和信号延迟，在光无线复杂变化的信道条件中，甚至难以获取可供识别的足够信号，因此更希望基于短时间内接收到的更少数据进行调制格式识别。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种信号调制格式识别方法及系统，通过少量接收信号识别各种高阶调制格式，能在信道快速变化或数据量有限的条件下获得很高的识别成功率。

为达到以上目的，一方面，采取一种信号调制格式识别方法，包括：接收端将N个原始接收信号经接收处理后得到的N个符号，两两相减后得到多个伪信号矢量；根据所述伪信号矢量对应的伪信号得到伪信号星座图，将伪信号星座图生成大小统一的图像；通过深度学习网络，识别出所述图像对应的原始接收信号所采用的调制格式。

优选的，所述接收端接收N个原始接收信号，接收处理后得到N个符号，两两相减后得到N(N-1)个伪信号矢量，所述伪信号矢量对应N个符号之间的矢量连线。

优选的，所述接收端保存有具有N个符号的列表，以及N²个伪信号矢量的列表；所述具有N个符号的列表可动态更新；当新接收一个符号时，第N+1个符号与前N个符号两两相减生成N个新的伪信号矢量；所述N个符号的列表中最旧的符号被删除，以其为端点的N个伪信号矢量也被删除；新接收的符号添加到所述N个符号的列表最后，新生成的N个伪信号矢量添加到伪信号集中。

优选的，根据所述伪信号矢量对应的伪信号得到伪信号星座图，将伪信号星座图生成大小统一的图像，具体包括：

对伪信号进行归一化，将归一化后的伪信号按坐标划分到不同的像素区域，对每个像素区域内的符号数量进行统计，各像素区域内的累计值再除以所有各区域中符号数量的最大值，再乘以256，得到一幅大小统一的M×M个像素的灰度图像。

优选的，所述深度学习网络采用人工神经网络。

另一方面，提供一种信号调制格式识别系统，包括：