[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

说明书

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AMC_G算法的鲁棒性和准确性；采用的图域特征序列在基于AMC_G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。

技术领域

本发明属于信号处理技术领域，更为具体地讲，涉及一种用于通信信号调制识别的图域特征自动构建方法。

背景技术

自动调制分类(Automatic Modulation Classification，简称AMC)，也称通信信号调制识别可以在很少或没有先验知识的情况下识别接收信号的调制类型，并广泛应用于许多军事和民用通信领域。

现有AMC都是建立在信号统计的基础上，基于特征(Feature-Based，简称FB)的模式识别(Pattern Recognition，简称PR)方法和基于似然函数(Likelihood-Basedinfluence，简称LB)的决策理论识别方法都需要系统提供较高的运算能力，因而难以用于一些实时性要求较高而系统资源受限的特殊应用场合。现有通信信号调制识别方法在处理实际无线通信信号调制识别处理时性能严重恶化，实际工程应用中鲁棒性差，并且对于通信信号的调制识别，尚无一套完整的理论体系和方法。

基于图域的自动调制分类(Graph-based Automatic ModulationClassification简称AMC_G)第一次将AMC引入图形域，并且已经实现了比现有PR和基于LB的决策理论算法更优的性能。该通信信号调制识别方法利用调制信号的循环谱，依据循环频率将其构建为图形域中的加权有向环，并手动记录其邻接矩阵次对角线的非零项，这些非零项的行索引被构建为有效特征参数。然而，在AMC_G中的整个图域特征构建是通过人工进行的，并且计算繁琐。如果不适当地选择特征序列作为图域特征，通常会导致令人不满意的性能。这就需要一种用于通信信号调制识别的图域特征自动构建方法，不仅整个图域特征构建过程避免人工参与，并且保证AMC_G的鲁棒性。

发明内容

本发明的目的在于克服现有技术的不足，提出一种用于通信信号调制识别的图域特征自动构建方法，以避免人工构建，选择不恰当的特征序列作为图域特征，保证调制识别的鲁棒性和准确性，同时，减少计算复杂性。

为实现上述发明目的，本发明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，α_p为循环频率(p＝1,2,…,P)；M为试验次数，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