一種用於通信信號調製識別的圖域特徵自動構建方法與流程

2023-08-02 21:28:06 2

本發明屬於信號處理技術領域，更為具體地講，涉及一種用於通信信號調製識別的圖域特徵自動構建方法。

背景技術：

自動調製分類(automaticmodulationclassification，簡稱amc)，也稱通信信號調製識別可以在很少或沒有先驗知識的情況下識別接收信號的調製類型，並廣泛應用於許多軍事和民用通信領域。

現有amc都是建立在信號統計的基礎上，基於特徵(feature-based，簡稱fb)的模式識別(patternrecognition，簡稱pr)方法和基於似然函數(likelihood-basedinfluence，簡稱lb)的決策理論識別方法都需要系統提供較高的運算能力，因而難以用於一些實時性要求較高而系統資源受限的特殊應用場合。現有通信信號調製識別方法在處理實際無線通信信號調製識別處理時性能嚴重惡化，實際工程應用中魯棒性差，並且對於通信信號的調製識別，尚無一套完整的理論體系和方法。

基於圖域的自動調製分類(graph-basedautomaticmodulationclassification簡稱amcg)第一次將amc引入圖形域，並且已經實現了比現有pr和基於lb的決策理論算法更優的性能。該通信信號調製識別方法利用調製信號的循環譜，依據循環頻率將其構建為圖形域中的加權有向環，並手動記錄其鄰接矩陣次對角線的非零項，這些非零項的行索引被構建為有效特徵參數。然而，在amcg中的整個圖域特徵構建是通過人工進行的，並且計算繁瑣。如果不適當地選擇特徵序列作為圖域特徵，通常會導致令人不滿意的性能。這就需要一種用於通信信號調製識別的圖域特徵自動構建方法，不僅整個圖域特徵構建過程避免人工參與，並且保證amcg的魯棒性。

技術實現要素：

本發明的目的在於克服現有技術的不足，提出一種用於通信信號調製識別的圖域特徵自動構建方法，以避免人工構建，選擇不恰當的特徵序列作為圖域特徵，保證調製識別的魯棒性和準確性，同時，減少計算複雜性。

為實現上述發明目的，本發明用於通信信號調製識別的圖域特徵自動構建方法，其特徵在於，包括以下步驟：

(1)、獲得第k類調製類型信號的鄰接矩陣次對角線上元素構成的矩陣集合其中：

其中，p為循環頻率數，αp為循環頻率(p＝1,2,…,p)；m為試驗次數，m表示第m次試驗(m＝1,2,…,m)；是鄰接矩陣在正對於主對角線正上方的次對角線上的元素，其中q＝1,2,…,q，q是次對角線中的元素個數；是由矩陣中第q列形成的m×1的子矩陣；

(2)、計算矩陣中第q列即子矩陣中元素非零的概率

其中，為子矩陣中元素非零的數量，q＝1,2,…,q；如果概率則從矩陣中移除這一列即子矩陣得到矩陣

其中，τ為設定的概率閾值，根據具體情況設定；表示矩陣中遺留下來的列向量，下標rl表示該列向量對應的鄰接矩陣(m∈{1,2,…,m})次對角線上元素的行索引；是第k類調製類型信號的循環頻率αp對應的鄰接矩陣遺留下來的列向量的個數，

如果鄰接矩陣中列向量為非零的概率同時小於τ，則相應的矩陣變為空矩陣，並且移除，得到非零鄰接矩陣對應的vk個循環頻率，並且對應第k類調製類型信號表示為vk≤p，用代替在中的αp，然後構造一個矩陣集其中，

由於的下標rl，表示鄰接矩陣(m∈{1,2,…,m})的次對角線上元素的行索引，對於第k類調製類型信號，提取出矩陣集中元素的下角標，產生穩定的行索引序列其中，是對應於第k類調製信號的循環頻率的穩定行索引序列，v＝1,2,…,vk，vk為穩定行索引序列的長度；

對於調製類型集其中表示第k種調製類型，k＝1,2,...,k，通過集合行索引序列(k＝1,2,...,k)共同組成一組穩定的行索引序列即並重新表示為為其中，行索引序列中的第h個子序列是穩定行索引序列的組合，它們對應於相同的循環頻率t＝1,2,…,th，th為子序列的長度，h為行索引序列中子序列的數量；

(3)、第k類調製類型信號在循環頻率對應的鄰接矩陣次對角線上行索引為位置處的kl散度為：

其中，為隨機變量絕對值的概率密度函數，為隨機變量絕對值的概率密度函數，k為當前的調製類型，ki和k都是調製信號候選集中調製類型的索引，ki∈{1,2,…,k}，k∈{1,2,…,k}，且ki≠k；

(4)、當時，穩定的行索引序列也是的子集，對於第k類調製信號對應的鄰接矩陣次對角線上行索引為l位置處的kl散度為如果則記錄行索引及其對應元素的均值其中,ζ是kl散度閾值；

(5)、根據記錄的行索引對應元素的均值的絕對值利用它們降序排列構造新的序列其中，如果是空序列，則刪除，對於第k類調製類型，新的序列集表示為其中

(6)、對於第k類調製類型，利用對應於行索引序列的均值絕對值序列來產生訓練信號的特徵序列；

逐個檢查如果截斷序列中其行索引對應於之後的元素；其中，ξ1和ξ2是預設的閾值，通常可以分別設置為0.04和0.6，δ是圖域映射中使用的量化間隔；

如果中的所有條目不滿足該條件，則相應的也被去除，最終可以獲得第k類調製類型訓練信號的特徵序列集並作為圖域特徵，其對應的循環頻率集合為

本發明的目的是這樣實現的。

本發明用於通信信號調製識別的圖域特徵自動構建方法，利用通信信號的循環譜，在不會導致任何計算複雜性的情況下實現了自動構建通信信號的圖域特徵。本發明首先從循環譜圖域表示中提取鄰接矩陣，並統計出鄰接矩陣條目的穩定特性，在穩定統計特性的基礎上計算這些條目的kl散度，最後依據鄰接矩陣條目的均值來建立訓練信號的調製特徵，從而實現了自動建立圖域調製特徵模型。與現有技術相比，不會人為地選擇到不恰當的訓練特徵序列，可以保證amcg算法的魯棒性和準確性，並可以忽略因訓練信號傳輸符號隨機性而導致的多種調製類型的調製特徵序列的不一致性；採用的圖域特徵序列在基於amcg算法的整個分類過程中可以保持不變，並且其可以自動建立及預先存儲在存儲器中，不會導致任何的計算複雜性。

附圖說明

圖1是通信信號圖域映射步驟示意圖；

圖2是基於bpsk信號循環譜的圖域映射與轉換示意圖；

圖3是訓練信號圖域行索引特徵位置示意圖。

具體實施方式

下面結合附圖對本發明的具體實施方式進行描述，以便本領域的技術人員更好地理解本發明。需要特別提醒注意的是，在以下的描述中，當已知功能和設計的詳細描述也許會淡化本發明的主要內容時，這些描述在這裡將被忽略。

為了方便描述，先對具體實施方式中出現的相關專業術語進行說明：

bpsk(binaryphase-shiftkeying)：二進位相移鍵控；

qpsk(quadraturephase-shiftkeying)：正交相移鍵控；

oqpsk(offsetquadraturephase-shiftkeying)：偏移四相相移鍵控；

2fsk(binaryfrequency-shiftkeying)：二進位頻移鍵控；

4fsk(quadraturefrequency-shiftkeying)：四進位頻移鍵控；

msk(minimumshiftkeying)：最小頻移鍵控；

fb(feature-based)：基於特徵

pr(patternrecognition)：模式識別

lb(likelihood-basedinfluence)：基於似然函數

amcg(graph-basedautomaticmodulationclassification)：基於圖域的自動調製分類；

kl散度(kullback-leiblerdivergence)：kl散度，又稱相對熵；

fam(fft(fastfouriertransform)accumulationmethod)：fft累加算法，用於計算循環譜密度；

pdf(probabilitydensityfunction)：概率密度函數；

現有的基於fb的pr方法和基於lb的決策理論識別方法不能滿足一些實時性較高且需系統魯棒性強的場合，amcg雖然能實現更優的性能，但只能人工實現特徵構建過程。本發明提出了一種用於amcg的特徵自動構建方法。本發明首先從循環譜圖域表示中提取鄰接矩陣，並統計出鄰接矩陣次對角線上條目的穩定特性，在穩定統計特性的基礎上計算條目的kl散度，最後依據鄰接矩陣條目的均值來建立訓練信號的調製特徵，從而實現自動建立調製特徵模型並預存在存儲器中，在不會導致任何計算複雜性的情況下保證了amcg的魯棒性和準確性。

1.通信信號圖域映射理論

在通信系統中大多數調製信號表現出相應的二階統計周期性，這提供了將信號從循環譜域變換到圖形域的渠道。圖1給出了基於循環譜的通信信號圖域映射步驟，首先計算輸入信號的循環譜，然後對循環譜做歸一化、量化處理，提取其中的狀態序列，然後把這些序列映射為圖。

對於具有n個樣點的調製信號x(n)，相應的循環譜可以由優化的時域平滑算法——fam算法估計出。對於一個給定的頻率f和循環頻率α，時域平滑循環周期圖可以由下式表示：

其中g(n)是寬度為nts秒的統一權重函數，f1和f2是fam算法中濾波器的中心頻率，ts是採樣周期，其中，f1＝f+α/2，f2＝f-α/2，xt(r,f1)和xt(r,f2)是x(n)的復解調，可以由下式計算出。

其中a(r)是持續時間為t＝n′ts秒的錐形數據窗，它的寬度即是循環譜的頻率解析度δf，如果a(r)是歸一化的，循環譜可以由時域平滑周期圖實現無偏估計，如下式：

在fam算法中，頻率解析度δf＝fs/n′，循環頻率解析度δα＝1/δt＝fs/n，其中，fs為採樣間隔，n′為復解調所用數據的點數，n為δt時間內輸入的數據點數。因此，以上採用fam算法計算出的循環譜矩陣為(n′+1)×(2n+1)的矩陣，即循環譜矩陣是一個具有非負幅度值的三維譜，有2n+1個循環頻率α＝αp(p＝-n,-n+1,...,n)和n′+1個頻譜頻率f＝fq(q＝-n′/2,-n′/2+1,...,n′/2)。

實際上，需要對計算出的循環譜矩陣進行歸一化和量化處理，得到的矩陣為其最大值為1，歸一化、量化公式如式(4)所示：

其中，和δ分別表示求最大值函數，floor函數和量化間隔。

由於循環譜的對稱性，取的四分之一象限進行圖域映射即可。這裡，對於的每一個循環頻率α＝αp(p＝0,1,...,n)，都可以構建一個圖構建圖的規則如下：1)頂點集由所有的非負譜頻率構成；2)邊集由式(5)定義：

因此，可以構成n+1個圖每個圖對應相應的循環頻率α＝αp，p＝0,1,...,n。顯然圖是一個環或者一個空圖(沒有邊)。所以，對於每一個圖其鄰接矩陣很容易構建。

圖2以bpsk信號為例，展示了基於循環譜的圖域映射與轉換方法。圖2(a)給出了bpsk信號的歸一化循環譜，圖2(b)中進行了循環譜的量化，圖2(c)以循環頻率α＝0為例給出了其在第一象限的頻譜以及周期延拓方法，最後在圖2(d)中給出了圖2(c)對應的圖域表示的鄰接矩陣。

2.提出的特徵自動構建方法

設調製類型集為其中表示第k種調製類型，k＝1,2,...,k。下面對訓練信號和測試信號的圖域特徵自動構建進行了探討。

2.1訓練信號的圖域特徵自動構建

對於無噪聲的第k類調製類型訓練信號，可以計算其循環譜，然後根據上一節中討論的圖域變換構造一組圖形。這裡，訓練信號採樣序列被劃分為m段，並且進行m次圖域映射試驗。刪除所有m次試驗中都產生空圖的循環頻率，可以實現每次試驗都保留p個圖。對於第m次試驗，圖集可以表示為其中p＝1,2,…,p，表示第k種調製類型的訓練信號保留下來的循環頻率αp所對應的圖。相應的鄰接矩陣集合表示為然後，可以提取中任何鄰接矩陣的主對角線正上方的次對角線的所有條目，並且可以在第m次試驗中獲得第k類調製類型的一組序列其中元素是中的任意鄰接矩陣在正對於主對角線正上方的次對角線上的條目，其中q＝1,2,…,q，q是次對角線中的條目數。

2.1.1產生穩定的行索引序列

考慮所有的m次試驗，對於給定的循環頻率αp，p＝1,2,…,p，我們可以基於(m＝1,2,…,m)中的子序列來形成m×q的矩陣同時，可以得到第k類調製類型的矩陣集合其中

其中，是由中第q列形成的m×1的子矩陣。注意，在任意鄰接矩陣(m∈{1,2,…,m})中，中所有的條目具有相同的行索引(位置)，對於第q列，可以計算中非零條目的數量，其可以表示為從而非零概率可以由下式計算出：

如果則從矩陣中移除這一列向量然後可以得到一個維數變小的矩陣其中表示矩陣中遺留下來的列向量；下標rl表示該列向量對應的鄰接矩陣(m∈{1,2,…,m})次對角線上條目的行索引；是第k類調製類型的循環頻率αp對應的鄰接矩陣遺留下來的列向量的個數，注意鄰接矩陣中列向量為非零的概率可能同時小於τ，這種情況下相應的矩陣變為空矩陣，並且可以移除。因此可以得到非零鄰接矩陣對應的vk個循環頻率，並且，對應第k類調製類型可以表示為vk≤p。這裡用代替在中的αp，然後構造一個維數減小的矩陣集其中

由於的下標rl，表示任意鄰接矩陣(m∈{1,2,…,m})的次對角線上條目的行索引，對於第k類調製類型，可以提取出矩陣集中元素的下角標，產生穩定的行索引序列其中是對應於第k類調製方式的循環頻率的穩定行索引序列。對於整個調製候選集可以通過集合(k＝1,2,...,k)共同組成一組穩定的行索引序列並且其中也是(k＝1,2,...,k)的組合，中的子序列是(k＝1,2,...,k)的組合，它們對應於相同的循環頻率必須注意，的長度或th(h＝1,2,…,h)不一定相同。

2.1.2kl散度的計算

對於第m次試驗，第k類調製類型的循環頻率對應的鄰接矩陣次對角線上，其行索引為的條目用表示。這裡，循環頻率和行索引分別屬於穩定循環頻率序列和穩定行索引序列因此，的隨機變量由(集合中所有行索引對應的條目)表示，相應的pdf定義為

其中，

注意，如果那麼

由於本發明中使用的是條目的絕對值，因而的概率密度可以由下式求得：

在此基礎上，可以定義第k類調製類型在循環頻率對應的鄰接矩陣次對角線上行索引為位置處的kl散度為

其中表示相對於基數10的對數；k為當前的調製類型，ki和k都是調製類型候選集中調製類型的索引，ki∈{1,2,…,k}，k∈{1,2,…,k}，且ki≠k。注意對於特定的調製類型k，只需求出行索引在集合中的位置的kl散度。

2.1.3調製特徵序列構建

現在，考慮第k類調製類型的穩定行索引序列集合必須注意的是，循環頻率序列是的子集即當時，穩定的行索引序列也是的子集。因此，對於第k類調製，可以計算鄰接矩陣的次對角線上每個條目的聯合kl散度其中中的行索引為如果則記錄行索引及其對應的其中ζ是預設閾值。然後，根據收集的行索引對應的均值絕對值可以利用它們降序排列構造新的序列其中，還必須指出，可以是空序列。因此，對於第k類調製類型，新的序列集可以表示為其中這裡為了符號一致性，用代替下標

最後，對於第k類調製類型，利用對應於行索引序列的均值絕對值序列來產生訓練信號的特徵序列。逐個檢查中的條目。如果截斷序列中其行索引對應於之後的條目。這裡，ξ1和ξ2是預設的閾值，通常可以分別設置為0.04和0.6。δ是圖域映射中使用的量化間隔。如果中的所有條目不滿足該條件，則相應的也被去除。因此，最終可以獲得第k類調製類型具有的訓練信號的特徵序列集，其對應的循環頻率集合為很明顯，這些行索引序列不必具有相同的長度。

圖3(a)～(f)分別給出了仿真條件下bpsk、2fsk、4fsk、qpsk、oqpsk和msk信號自動建立的圖域行索引特徵位置示意圖，圖3(a)～(f)中的橫坐標為循環頻率索引，表示特徵序列的循環頻率在循環頻率集中對應的位置，此循環頻率集為構建的所有調製類型特徵序列所在循環頻率的併集；縱坐標為圖域特徵序列中的行索引在對應鄰接矩陣裡的位置；圖中藍色的實心菱形表示訓練信號圖域特徵的行索引，注意示意圖3(a)～(f)沒有給出同一鄰接矩陣中行索引的先後順序。

2.2測試信號的圖域特徵構建

對於具有第k類調製類型的測試信號，也可以生成一組圖及其對應的鄰接矩陣，鄰接矩陣可以表示為這裡，和分別對應於第k類調製類型的測試信號的循環頻率所對應的圖和鄰接矩陣，一般來講，測試信號的循環頻率集與訓練信號的循環頻率集不同。但是可以構造出測試信號的圖特徵集使其與訓練信號的特徵集具有相同的形式和大小。對於第k類調製類型，特徵的提取規則如下：

1)根據第k類標準信號給出的特徵集令表示相應循環頻率下行索引序列的長度；

2)對於zk＝jk＝1,2,...,jk，令zk＝jk，對於jk＝1,2,…,jk，令測試信號的行索引序列以如下規則構建：

根據這些非零條目的絕對值，對鄰接矩陣次對角線上的非零條目以降序的方式進行排序。

收集前個鄰接矩陣次對角線上元素已經排好序的行索引，形成

3)最後，可以構建測試信號的特徵集

最後，對於每個調製信號，一旦建立了和就可以利用它們之間的歸一化漢明距離來識別調製類型。

儘管上面對本發明說明性的具體實施方式進行了描述，以便於本技術領域的技術人員理解本發明，但應該清楚，本發明不限於具體實施方式的範圍，對本技術領域的普通技術人員來講，只要各種變化在所附的權利要求限定和確定的本發明的精神和範圍內，這些變化是顯而易見的，一切利用本發明構思的發明創造均在保護之列。