[发明专利]基于预处理降噪的数字通信信号调制识别方法

说明书

本发明提供一种基于预处理降噪的数字通信信号调制识别方法，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特征；S4：将所述小波变换特征和高阶累积特征输入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。本发明使用自适应滤波技术对含有噪声的通信信号进行预处理，以提高信号本身的信噪比，随后对信号的小波变换和高阶累积量特征进行提取，最后输入神经网络分类器，在低信噪比环境下可得到较佳的识别效果。

技术领域

本发明涉及通信技术领域，更具体地，涉及一种基于预处理降噪的数字通信信号调制识别方法。

背景技术

伴随着通信信号体制及调制样式日趋复杂，信号环境越来越恶劣，在军事领域和民用领域，非协作通信中的调制类型识别变得至关重要。在实际通信中信号的信噪比可能会达到很低，目前，低信噪比下的通信信号自动调制识别方法效果不佳。

1986年，Hipp等人首次提出了利用信号的高阶累积量作为特征来进行调制识别的方法，从此关于高阶累积量特征参数的研究得到了更多发展，并广泛应用于信号的调制识别算法中。因为信号的高阶累积量特征具有良好的抗噪声性能，这是因为高斯白噪声的高阶累积量为零。

1995至2000年，Ho等人提出了利用信号的Haar小波变换提取特征参数来进行调制识别的方法，完成了对MPSK和MFSK信号的分类。小波变换的特征提取方法，能够将信号的特征信息通过变换进行表达，便于观察和分析。但是进行小波变换的尺度选取没有固定的规则，同时也解决不了多径衰落信道特征提取区分度低的问题。

自适应滤波是近年以来发展起来的一种最佳滤波方法。它是在维纳滤波，Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中,尤其在信息处理技术中得到了广泛的应用。自适应滤波存在于信号处理、控制、图像处理等许多不同领域，它是一种智能更有针对性的滤波方法，通常用于去噪。

公开日为2014年05月07日，公开号为CN103780462A公开了一种基于高阶累积量和谱特征的卫星通信信号调制识别方法，包括如下步骤：信号带通滤波，估计载波频率，估计符号速率，获取高阶累积量参数，APSK或16QAM信号识别，获取二次方谱谱峰数目，BPSK或MSK信号识别，获取四次方谱，获取四次方谱谱峰数目，π/4DQPSK信号识别，获取基带二次方谱谱峰数目，6PSK、8PSK、OQPSK、QPSK信号识别。该专利不识别实际通信中低信噪比信号的调制方式。

发明内容

本发明提供一种基于预处理降噪的数字通信信号调制识别方法，在低信噪比环境下可得到较佳的识别效果。

为解决上述技术问题，本发明的技术方案如下：

一种基于预处理降噪的数字通信信号调制识别方法，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特征；

S4：将所述小波变换特征和高阶累积特征输入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。

优选地，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)。

优选地，步骤S1中所述加噪处理具体为：