一種基於證據折扣的協作調製識別方法
2023-07-25 22:56:46 1
一種基於證據折扣的協作調製識別方法
【專利摘要】本發明的目的在於提出一種基於證據折扣的協作調製識別方法，本發明通過多個節點協作來完成11種調製方式的識別。具體過程是：首先N個節點分別單獨提取出能區分調製類型的7個特徵參數，將這7個參數送入事先已經訓練好的BP神經網絡進行識別，將神經網絡的輸出送到融合中心，融合中心採用證據理論進行融合，將神經網絡的輸出作為D-S證據理論中的基本概率賦值（BPAF），並根據節點接收信噪比的情況對證據進行調整，由證據理論對N個節點的數據進行融合，得到識別結果。本發明提高信噪比高的數據對融合結果的貢獻，同時降低信噪比低的數據對融合結果的影響，有效的提高了融合性能。
【專利說明】一種基於證據折扣的協作調製識別方法
【技術領域】
[0001] 本發明涉及一種基於決策層數據融合的協作調製信號識別方法方案，屬於通信技 術領域。
【背景技術】
[0002] 調製識別是信號檢測和信息解調之間的一個中間過程，它的任務是：在完成信號 檢測及部分參數估計的基礎上，對接收機接收到的感興趣信號的觀測數據作適當的處理， 並根據某種規則判定該信號屬於預先設定的若干種調製形式的某一種，為信息解調等後續 通信任務提供必要的信息。
[0003] 通信信號調製識別方法與策略雖然紛繁複雜，就目前而言，識別分類的基本方法 主要有兩種，一是決策論方法，二是統計模式識別方法。決策論途徑的基本框架是符合假設 檢驗，它適應與待識別種類有效的情況；而統計模式識別途徑的基本框架則是先從信號中 提取事先選定的特徵，然後進行模式識別。不論是決策論途徑還是模式識別途徑，無線信號 的自動調製識別實際上都是假設檢驗和統計推斷這兩個基本數學方法的實現。
[0004] 數據融合是利用計算機對各種信息源進行處理、控制和決策的一體化過程。它的 功能主要包括檢測、相關、識別和估計。數據融合結構的分類方法有多種，第一種分類方法 是根據對原始數據處理方法的不同，在這種分類標準下，數據融合可以分為三種處理結構， 分別是：集中式處理結構、分布式處理結構以及混合式處理結構。另一種方法可以按照數據 抽象的三個層次，分為像素級融合，特徵級融合和決策級融合。
[0005] 決策級融合相對前兩級融合而言，是一種高層次的融合。它要求在融合之前，同 一目標不同類型的傳感器的信號處理模塊能夠完成包括特徵提取，識別或者判決分類等任 務。融合中心只是根據一定的準則和決策的可信度作出最優決策，以便融合結果具有良好 的實時性和容錯性，使得即使在一種或幾種傳感器失效的情況下也能工作。決策級融合在 信息處理方面具有很高的靈活性，系統對信息傳送的帶寬要求較低，能有效地反映環境或 目標各個側面的不同類型信息，通信量小，抗幹擾能力強，融合中心處理代價低。關於決策 級的融合已有研究採用加權表決的融合算法，但該算法在低信噪比時性能並不是很好。本 發明採用D-S證據理論的方法進行融合。
【發明內容】
[0006] 技術問題：由於無線通信環境中存在深衰落、陰影效應和隱藏節點等問題而使得 單個用戶在某個時間段對調試方式的識別出錯，特別在低信噪比時識別率很低，本發明提 出一種基於證據折扣的協作調製識別方法，以解決此問題。
[0007] 技術方案：本發明提出一種基於決策層數據融合的協作調製信號識別方法，通 過 N 個用戶協作來完成對{2ASK，4ASK，2PSK，4PSK，8PSK，8QAM，16QAM，32QAM，2FSK，4FSK， 0FDM}這11種調製方式的識別。首先N個節點分別單獨提取出能區分調製類型的七個特 徵參數：零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差σ ap，零中心非弱信號 段瞬時相位非線性分量的標準偏差σ dp，二階矩和四階矩的組合K2(l，高階累積量C4(l和C42， 以及信號微分之後再提取的K2(l和C42。將這7個參數送入事先已經訓練好的BP神經網絡 進行識別，神經網絡的輸出作為D-S證據理論中的基本概率賦值（BPAF)，再由證據理論對N 個節點的數據進行融合，得到識別結果。在此基礎上，引入證據折扣優化的D-S融合算法， 根據節點接收信噪比的情況對證據進行調整，得出新的基本概率賦值，提高信噪比高的數 據對融合結果的貢獻，同時降低信噪比低的數據對融合結果的影響，提高融合性能。
[0008] 本發明基於證據折扣的協作調製識別方法包括以下步驟：
[0009] a.每一個節點獨立提取七個特徵參數：零中心非弱信號段瞬時相位非線性分量 絕對值的標準偏差〇 ap，零中心非弱信號段瞬時相位非線性分量的標準偏差〇dp，二階矩和 四階矩的組合K 2(l，高階累積量C4(l和C42 ;
[0010] b.特徵參數送入事先訓練好的BP神經網絡，得到節點i神經網絡的輸出 Pi (2ASK)，Pi(4ASK)，Pi (2PSK)，Pi(4PSK)，Pi(8PSK)，Pi(8QAM)，Pi(16QAM)，Pi(32QAM)， Pi(2FSK)，P i(4FSK)，Pi(0FDM)，其中l<i<N，N為節點數，若輸出小於0.2將其取值賦為 0,將神經網絡的輸出送到融合中心；
[0011] C.根據各個節點的神經網絡的輸出以及該節點接收信噪比的大小，計算證據理論 中的基本概率賦值，以提高信噪比高的數據對融合結果的貢獻，同時降低信噪比低的數據 對融合結果的影響，融合中心使用D-S證據理論的合成規則對N個節點的數據進行融合，得 到最終識別結果。
[0012] 基本概率賦值的計算過程如下：
[0013] 證據理論的焦元為{2ASK，4ASK，2PSK，4PSK，8PSK，8QAM，16QAM，32QAM，2FSK，4FSK， 0FDM，〇}，其中Θ為識別框架，則節點i獲得的基本概率賦值 ：
[0014] nii (2ASK) =Pi (2ASK)
[0015] nij (4ASK) =Pj (4ASK)
[0016] ......
[0017] 1? (OFDM) =Pi (OFDM)
[0018] 1? (Θ) = (1-1? (2ASK)) (1-1? (4ASK))
[0019] (1-1? (2PSK)) (1-1? (4PSK)) (1-1? (8PSK))
[0020] (1-1? (8QAM)) (1-1? (16QAM) (1-1? (32QAM))
[0021] (1-1? (2FSK)) (1-1? (2ASK)) (1-1? (2FSK)) (1-1? (OFDM))
[0022] 對各基本概率賦值進行歸一化：
[0023] ......
【權利要求】
1. 一種基於證據折扣的協作調製識別方法，其特徵在於該方法包括以下步驟： a. 每一個節點獨立提取七個特徵參數：零中心非弱信號段瞬時相位非線性分量絕對 值的標準偏差〇ap，零中心非弱信號段瞬時相位非線性分量的標準偏差 〇dp，二階矩和四階 矩的組合K2(l，高階累積量C4(l和C 42 ; b. 特徵參數送入事先訓練好的BP神經網絡，得到節點i神經網絡的輸出Pi(2ASK)， Pi (4ASK)，Pi (2PSK)，Pi (4PSK)，Pi (8PSK)，Pi (8QAM)，Pi (16QAK)，Pi (32QAM)，Pi (2FSK)， Pi (4FSK)，Pi (OFDM)，其中1彡i彡N，N為節點數，若輸出小於0.2將其取值賦為0,將神經 網絡的輸出送到融合中心； c. 根據各個節點的神經網絡的輸出以及該節點接收信噪比的大小，計算證據理論中的 基本概率賦值，以提高信噪比高的數據對融合結果的貢獻，同時降低信噪比低的數據對融 合結果的影響，融合中心使用D-S證據理論的合成規則對N個節點的數據進行融合，得到最 終識別結果。
2. 如權利要求1所述的基於證據折扣的協作調製識別方法，其特徵在於基本概率賦值 的計算過程如下： 證據理論的焦元為{2ASK，4ASK，2PSK，4PSK，8PSK，8QAM，16QAM，32QAM，2FSK，4FSK， 0FDM，〇}，其中Θ為識別框架，則節點i獲得的基本概率賦值： nii (2ASK) =Pi (2ASK) nii (4ASK) =Pi (4ASK) nii (QFDM) =Pi (QFDM) 1? (Θ) = (1-1? (2ASK)) (1-1? (4ASK)) (1-1? (2PSK)) (1-1? (4PSK)) (1-1? (8PSK)) (1-1? (8QAM)) (1-1? (16QAM)) (1-1? (32QAM)) (1-1? (2FSK)) (1-1? (2ASK)) (1-1? (2FSK)) (1-1? (OFDM)) 對各基本概率賦值進行歸一化： m]{2ASK-) = >n^：ASK) m\AASK) = mPASk、 Σ峨 .? Β 讚人F7)M) = h{為 ,-Ι.-?-> _____ 根據接收信噪比高的節點提供的證據可信度高，而接收信噪比低的節點提供的證據可 信度低的原則，定義第i個節點的折扣因子為： -4V,7： -s, - IQ1" i?'-苷） i 其中，Si是第i個節點的接收信號的功率，snri為節點i的接收信噪比，用折扣因子對 基本概率賦值進行修正，得到修正的基本概率賦值： <'(2XSXf)=明<2應〇 ml,t(AASK) = η,/nXAASK) mf(OfOM) = η,/η^ΟΓΒΜ) n^ilASK)-nili^ASK)- nf'aPSK)- n((QPSK\ -mJt(%PSK) - n/t(%QAAf) - //^(16￡2-/J/) - t^QlOAM) -/nf(2I：S'K) - ml'{AFSK) - trt；(OFDM) 0 =1 n,-η/?Α&)
【文檔編號】H04L27/34GK104243391SQ201210265195
【公開日】2014年12月24日 申請日期:2012年7月27日 優先權日:2012年7月27日
【發明者】朱琦, 朱冬梅 申請人:南京郵電大學