[发明专利]基于模糊自编码器的水声信号自动调制识别方法

说明书

本发明公开了一种基于模糊自编码器的水声信号自动调制识别方法，首先接收不同调制方式的水声信号，提取水声信号的形态特征与熵特征并进行归一化处理；将处理后的特征用于训练模糊自编码器，得到训练好的映射权值与偏置；使用训练好的映射权值与归一化后的原始特征相乘并与偏置项相加，完成特征的映射；将映射后的特征进行归一化后，用于训练BP神经网络；最后，将待识别的水声信号进行同样的特征提取以及映射后，输入到训练好的BP神经网络中，实现自动调制识别。本发明最终实现低延迟、高准确率的水声信号自动调制识别，该方法抗干扰能力强、识别准确率与稳定性高。

技术领域

本发明属于水声通信技术领域，具体地说，涉及一种基于模糊自编码器的水声信号自动调制识别方法。

背景技术

声波作为一种优秀的水下信息载体，因其具有较高的传输距离和传输速度以及较低的衰减系数，成为了水下通信的首选媒介。水声通信系统中，发送端通常使用自适应调制编码技术(adaptive modulation coding，AMC)，该技术可依据信道状况，自适应地选择适合当前信道的调制方式，该技术需要信号发送端与接收端通过握手信号同步调制方式，然而水声信道噪声干扰与多径效应严重，致使握手信号无法准确传输，致使接收端采用了不匹配的解调方式，进而导致解调数据的严重错误。

自动调制识别(automatic modulation recognition，AMR)技术可使接收端在调制信息未知的情况下，自动识别出信号的调制方式，保证接收端采用正确的解调方式解调数据。目前调制方式智能识别的方法主要有基于最大似然比的识别方法与基于特征提取的识别方法。前者虽然数学理论完备，但是需要大量的先验信息，难以实际应用且复杂度较高；后者则实现简单，易于工程应用，但却极其依赖提取特征的质量。然而水下信道复杂多变，存在严重的噪声干扰与多径效应，不同调制信号的特征往往会趋于一致，这样的特征辨识度很低，难以用于自动调制识别。

发明内容

针对现有水声信号自动调制识别方法的抗干扰能力差、计算成本高、识别准确率低等技术问题，本发明的目的是提供一种基于模糊自编码器的水声信号自动调制识别方法，以解决上述问题。

为实现上述发明目的，本发明采用下述技术方案予以实现：

一种基于模糊自编码器的水声信号自动调制识别方法，包括以下步骤：

S1：获取水声信号；

S2：提取S1中水声信号的形态特征与熵特征，并进行归一化处理；

S3：利用模糊自编码器将S2中处理后特征向量进行模糊处理后，用于训练模糊自编码神经网络，得到用于编码的权值与偏置；

S4：将S2中处理后的特征向量与S4得到的权值相乘后，加上偏置项，得到模糊自编码器编码后的特征向量；

S5：将S4得到的特征向量进行归一化之后，训练人工神经网络；

S6：将需要识别的水声信号经过上述相同的特征提取与编码后，输入到S5中训练好的人工神经网络中，实现自动调制识别。

进一步的，所述S1中计算水声信号的特征所采用的信号处理方法包括：功率谱、奇异谱、相位谱、小波能量谱、频谱以及瞬时幅度。

进一步的，所述S2中，所述形态特征：零中心归一化瞬时幅度谱密度的最大值、零中心归一化瞬时幅度标准差、波动系数；

所述熵特征：功率谱香农熵、功率谱指数熵、奇异谱香农熵、奇异谱指数熵、频谱幅度香农熵、频谱幅度指数熵、相位谱香农熵、相位谱指数熵、小波能量指数熵、小波能量香农熵、瞬时幅度指数熵、瞬时幅度香农熵。

更进一步的，所述零中心归一化瞬时幅度谱密度的最大值的公式为：

γ_max＝max{DFT[a_cn(n)]}²/N