[发明专利]基于多类特征参数和证据理论的协作调制识别方法

摘要

本发明提供一种基于多类特征参数和证据理论的协作调制识别方法，实现对2ASK，4ASK，8ASK，2PSK，QPSK，8PSK，2FSK，4FSK，8FSK，16QAM，32QAM，64QAM和OFDM13种调制方式正确识别。相互协作的节点提取不同类的特征参数，它们分别是基于瞬时信息的特征提取，基于小波分解的细节系数与高阶累积量相结合的特征提取和基于信号倒谱系数的特征提取，这些特征参数可以从不同角度表征目标信号，每个节点将特征参数输入到已训练好的BP神经网络进行测试，然后将神经网络的输出直接作为证据送往融合中心进行融合，融合规则采用D-S证据理论组合规则。

主权项

1.一种基于多类特征参数和证据理论的协作调制识别方法，其特征在于该方法包括以下步骤：a. 特征提取： 3个节点相互协作，每个节点提取不同类型的特征参数，它们分别是基于瞬时信息的特征参数、基于小波分解细节系数和高阶累积量的特征参数和基于倒谱系数的特征参数，这些特征参数可以从不同角度表征目标信号；其中基于瞬时信息的特征参数包括：瞬时幅度均值的平方，零中心归一化瞬时幅度绝对值的标准偏差，瞬时频率的平方和，零中心归一化瞬时频率的绝对值的标准偏差，瞬时频率的变换值，零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差，零中心非弱信号段相位非线性分量的标准偏差；基于小波分解系数和高阶累积量的特征参数包括：采用db3小波对接收信号进行7层分解，提取各层小波系数，重构各层信号并计算各层信号的平均方差得到S1~S8八种参数，二阶矩和四阶矩的组合参数，高阶累积量及；b. 特征级融合：提取的特征参数被送入该节点已训练好的BP神经网络进行测试，其输出，，，为特征级融合结果，,,,为对应的调制方式； c．决策级融合：将神经网络输出直接作为证据被送往融合中心进行融合，融合规则采用证据理论组合规则，步骤为：步骤一：计算任意两个证据间局部冲突：，，，M为待识别调制方式数；步骤二：计算任两个证据间的距离：  ，，；，，，M为待识别调制方式数；则：，，；步骤三：计算任两个证据间的相似性测度：，，；步骤四：计算每个证据体的支持度：，，；步骤五：计算，，可信度：，，；步骤六：计算系统全局冲突，过程如下：1) 计算，，；2) 将，，归一化，可得，，；3）全局冲突为；步骤七：将代入式可得冲突证据有效性系数；步骤八：计算融合结果，即合成后的证据，例如对于2ASK信号： 式中，   M为待识别调制方式数；从合成后的证据中选出最大值，其对应的调制方式即为识别结果。