[发明专利]一种MQAM信号的调制阶数识别方法

权利要求书

1.一种MQAM信号的调制阶数识别方法，其特征在于，所述MQAM信号调制阶数识别方法包括以下步骤：

步骤一，对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，利用网格法估计星座图的概率密度函数；

步骤二，利用图像灰度化和改进的二值化对所估计的概率密度函数的俯视图进行图像处理，得到简化的星座图概率密度函数；

步骤三，利用多半径减法聚类和自校正的聚类有效性函数对简化的星座图的概率密度函数进行处理，识别出MQAM信号的调制阶数；

星座图的概率密度函数定义为：经过功率归一化的第i个星座点r_i，有r_i＝s_i+v_i，i＝1,2,...,L，其中s_i为发送端发送的星座点，坐标为(x_k,y_k)，v_i为星座点的偏移量，L为接收到的星座点个数，则r_i的概率密度分布函数为：

各个星座点独立等概发射，当调制阶数为M时，每个星座点的传输个数为L/M，所有发射端发射的与s_i坐标相同的星座点，在接收端的概率密度分布函数为则所有接收星座点的概率密度分布函数为：

化简得为L个高斯分布的叠加和归一化；

所述网格法估计星座图的概率密度函数的方法为：根据接收到的星座点r_i的坐标为(r_iI,r_iQ)，构造方形网格，网格的边界由横纵坐标绝对值的最大值决定，r_I,r_Q＝±max(r_iI,r_iQ)；定义网格密度Meshnum为单一方向上划分的网格数，在确定的区域内划分Meshnum*Meshnum的网格图，每个网格大小为将网格等效成xOy坐标平面，其中(x_p,y_p)为每个网格的中心，函数值为将离散点连续化后，得到估计出的概率密度函数

所述利用改进的二值化对所估计的概率密度函数的俯视图进行图像处理方法为：灰度空间，结合星座图的概率密度函数俯视图，对其灰度空间设定相应的阈值G_TH，将符合条件的像素点归一化灰度值为1，不符合条件的像素点归一化灰度值为0：

其中Threshold_x,y为二值化后图片上(x,y)像素点的归一化灰度值；在得到的灰度图像上搜索灰度值最大的像素点(X,Y)，归一化灰度值为G_max，令阈值G_TH＝pG_max，其中p表示阈值G_TH所占归一化灰度值G_max的比例；

自校正的聚类有效性函数：R＝{r_i＝(r_iI,r_iQ),i＝1,2,...,L}为L个点所组成的集合，C为计算出的聚类中心个数，m_k为第k个聚类中心，k＝1,2,...,C，计算有效性函数S的步骤如下：

1)计算每个点r_i的S_ik：

其中r_i对应的聚类中心为m_k，b(q,i)为第i个点r_i和划分到第q个聚类中心m_q的所有信号点的平均距离，其中q为变量且q≠k，a(i)为第i个点r_i和在同一聚类中心下的其他信号点的平均距离；

2)计算m_k中所有点的S_ik平均值S_k：

其中N_k为聚类中心m_k中的样本点数：

3)计算所有聚类中心S_k的均值S：

4)计算调制阶数M_dec：

在第a个聚类半径下得到的聚类有效性函数为S(a),a＝1,2，3，实际计算出的S值越接近1表明接收信号划分为该类越合理，定义自校正的聚类有效性函数来对聚类得到的结果进行反馈和校正：

定义自校正的聚类有效性函数：

其中M_a为第a次减法聚类得到的聚类中心个数，ΔS_a＝|S_a-S_max|为第a次减法聚类的有效性函数S_a和所有减法聚类得到的有效性函数最大值S_max差的绝对值，ε为一个足够小的值，取ε＝0.01，N为累加的个数，表示在M_s序列中取最接近x的值，其中M_s＝[16,32,64]。