[发明专利]基于预处理降噪的数字通信信号调制识别方法有效
申请号: | 202110333486.0 | 申请日: | 2021-03-29 |
公开(公告)号: | CN113315727B | 公开(公告)日: | 2022-10-11 |
发明(设计)人: | 姜园;陈文萱;王斌;张洋 | 申请(专利权)人: | 中山大学 |
主分类号: | H04L27/00 | 分类号: | H04L27/00;G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 林丽明 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 预处理 数字通信 信号 调制 识别 方法 | ||
1.一种基于预处理降噪的数字通信信号调制识别方法,其特征在于,包括以下步骤:
S1:根据载波频率、码元速率和采样频率构造调制信号,并进行加噪处理;
S2:使用自适应滤波技术对加噪处理后的信号进行降噪预处理;
S3:提取降噪预处理后的信号的小波变换特征和高阶累积量 特征;
S4:将所述小波变换特征和高阶累积量 特征输入BP神经网络进行网络训练;
S5:利用训练好的BP神经网络对未知信号的调制方式进行识别;
所述高阶累积量特征,具体为:
所述高阶累积量的公式具体为:
对于零均值平稳随机过程{x(t)},在任意的k个时刻对随机过程进行采样,则其k阶累积量定义为:
Ckx(τ1,τ2,...,τk-1)=Cum(x(t),x(t+τ1),...,x(t+τk-1))
其中,Cum(·)的含义是对(·)求累积量,其p阶q次混合矩为:
Mpq=E{[x(t)p-qx*(t)q]}
其中,*表示对信号求共轭,q表示共轭的个数,E(·)的含义是对(·)求数学期望;
可得零均值的平稳随机过程{x(t)}的各阶累积量的表达式为:
C20=Cum(x,x)=M20,C21=Cum(x,x*)=M21,
式中,*表示复共轭;Cmn中m代表高阶累积量的阶数,n代表共轭位置;选取|C40|、以及|C60|与|C40|的比值作为高阶累积量的特征。
2.根据权利要求1所述的基于预处理降噪的数字通信信号调制识别方法,其特征在于,步骤S1中根据载波频率、码元速率和采样频率构造2ASK、4ASK、BPSK、QPSK、2FSK、4FSK六种调制信号,记为s(n)。
3.根据权利要求2所述的基于预处理降噪的数字通信信号调制识别方法,其特征在于,步骤S1中所述加噪处理具体为:
将六种调制信号通过高斯白噪声信道进行传播,噪声记为v0(n),加噪后的信号为d(n)=s(n)+v0(n)。
4.根据权利要求3所述的基于预处理降噪的数字通信信号调制识别方法,其特征在于,步骤S2中所述自适应滤波技术具体为自适应噪声抵消器,所述自适应噪声抵消器的两个输入分别为原始输入和参考输入,其中,所述原始输入为加噪后的信号d(n),所述参考输入为实际采集的噪声信号v(n)通过滤波之后的信号y(n),所述自适应噪声抵消器的输出信号为误差信号e(n)=d(n)-y(n)=s(n)+v0(n)-y(n)。
5.根据权利要求4所述的基于预处理降噪的数字通信信号调制识别方法,其特征在于,步骤S3中所述小波变换特征为小波变换系数幅度。
6.根据权利要求5所述的基于预处理降噪的数字通信信号调制识别方法,其特征在于,所述小波变换系数幅度的计算方式如下:
小波变换的公式为:
式中,a为尺度因子,b为平移因子,*表示复共轭,Ψ(t)为小波函数,Ψ(a.b)(t)为小波母函数经过伸缩平移得到的小波基函数:
选用Haar小波对接收信号进行小波变换,Haar小波函数及其小波基函数定义如下:
各类调制信号在同一码元内的小波变换可以表示为:
对小波变换的结果取模,可以得到:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110333486.0/1.html,转载请声明来源钻瓜专利网。