[发明专利]一种用于通信信号调制识别的图域特征自动构建方法

摘要

本发明公开了一种用于通信信号调制识别的图域特征自动构建方法，利用通信信号的循环谱，在不会导致任何计算复杂性的情况下实现了自动构建通信信号的图域特征。本发明首先从循环谱图域表示中提取邻接矩阵，并统计出邻接矩阵条目的稳定特性，在稳定统计特性的基础上计算这些条目的KL散度，最后依据邻接矩阵条目的均值来建立训练信号的调制特征，从而实现了自动建立图域调制特征模型。与现有技术相比，不会人为地选择到不恰当的训练特征序列，可以保证AMCG算法的鲁棒性和准确性；采用的图域特征序列在基于AMCG算法的整个分类过程中可以保持不变，并且其可以自动建立及预先存储在存储器中，不会导致任何的计算复杂性。

主权项

一种用于通信信号调制识别的图域特征自动构建方法，其特征在于，包括以下步骤：(1)、获得第k类调制类型信号的邻接矩阵次对角线上元素构成的矩阵集合其中：其中，P为循环频率数，αp为循环频率(p＝1,2,…,P)；m表示第m次试验(m＝1,2,…,M)；是邻接矩阵在正对于主对角线正上方的次对角线上的元素，其中q＝1,2,…,Q，Q是次对角线中的元素个数；是由矩阵中第q列形成的M×1的子矩阵；(2)、计算矩阵中第q列即子矩阵中元素非零的概率其中，为子矩阵中元素非零的数量，q＝1,2,…,Q；如果概率则从矩阵中移除这一列即子矩阵得到矩阵其中，τ为设定的概率阈值，根据具体情况设定；表示矩阵中遗留下来的列向量，下标rl表示该列向量对应的邻接矩阵(m∈{1,2,…,M})次对角线上元素的行索引；是第k类调制类型信号的循环频率αp对应的邻接矩阵遗留下来的列向量的个数，如果邻接矩阵中列向量为非零的概率同时小于τ，则相应的矩阵变为空矩阵，并且移除，得到非零邻接矩阵对应的Vk个循环频率，并且对应第k类调制类型信号表示为Vk≤P，用代替在中的αp，然后构造一个矩阵集其中，由于的下标rl，表示邻接矩阵的次对角线上元素的行索引，对于第k类调制类型信号，提取出矩阵集中元素的下角标，产生稳定的行索引序列其中，是对应于第k类调制信号的循环频率的稳定行索引序列，v＝1,2,…,Vk，Vk为稳定行索引序列的长度；对于整个调制类型集其中，表示第k种调制类型，通过集合行索引序列共同组成一组稳定的行索引序列即并重新表示为为其中，行索引序列中的第h个子序列是稳定行索引序列的组合，它们对应于相同的循环频率t＝1,2,…,Th，Th为子序列的长度，H为行索引序列中子序列的数量；(3)、第k类调制类型信号在循环频率对应的邻接矩阵次对角线上行索引为位置处的KL散度为：其中，为随机变量绝对值的概率密度函数，为随机变量绝对值的概率密度函数，k为当前的调制类型，ki和k都是调制信号候选集中调制类型的索引，ki∈{1,2,…,K}，k∈{1,2,…,K}，且ki≠k；(4)、当时，稳定的行索引序列也是的子集，对于第k类调制信号对应的邻接矩阵次对角线上行索引为l位置处的KL散度为如果则记录行索引及其对应元素的均值其中,ζ是KL散度阈值；(5)、根据记录的行索引对应元素的均值的绝对值利用它们降序排列构造新的序列其中，如果是空序列，则删除，对于第k类调制类型，新的序列集表示为其中(6)、对于第k类调制类型，利用对应于行索引序列的均值绝对值序列来产生训练信号的特征序列；逐个检查如果截断序列中其行索引对应于之后的元素；其中，ξ1和ξ2是预设的阈值，通常可以分别设置为0.04和0.6，Δ是图域映射中使用的量化间隔；如果中的所有条目不满足该条件，则相应的也被去除，最终可以获得第k类调制类型训练信号的特征序列集并作为图域特征，其对应的循环频率集合为