[发明专利]一种基于模糊逻辑系统的自适应调制信号识别方法

说明书

本发明公开一种基于模糊逻辑系统的自适应调制信号识别方法，根据空中信号特征参数取值呈现范围性分布的特点，自动统计空中信号调制特征参数取值范围，利用模糊逻辑原理构建分类器并进行训练，从而实现了对空中信号调制方式的高识别率，从而弥补测试人员经验不足导致的隶属度函数取值不准确的缺陷，提高了识别精度。

技术领域

本发明涉及无线电监测及信号情报分析领域，具体涉及一种基于模糊逻辑系统的自适应调制信号识别方法。

背景技术

调制方式识别是无线电对抗领域的重要课题，是未来无线电监测重要的发展方向。调制方式识别的基本结构包括：1)数据预处理模块、2)特征提取模块、3)分类器模块。其中数据预处理模块通过信号下变频、正交分量分解、载频估计、信号分离等处理手段，为特征提取模块以及分类器模块提供合适的数据。特征识别模块从数据中提取信号的时域、变换域特征参数，分类器则是根据提取的特征参数判断信号的调制方式。

常见的分类器算法包括统计模式识别方法、决策论方法和人工神经网络方法。

统计模式识别方法主要有直方图构造特征向量，用线性分类器判别信号的调制方式。统计模式识别方法的先决条件是要以一定量的信号样本得出其特征参数和判决门限，所以识别结果受噪声干扰的因素较大。低信噪比时的识别效果远不如高信噪比时。但其因为理论判断简便，提取特征的适应能力强，可用于多种类型的识别。

决策论方法判决理论识别方法是建立在假设检验理论上的一种识别方法，主要利用到了概率论，使之推导出一个合理的分类标准。此方法在理论统计分析出信号特性的基础上，用提前设置的门限和判决标准和推算得出的检验统计量进行定向对比。在整个识别过程中不需要信号样本且更适用在低信噪比环境下的识别。但该方法只能对已经分析得出累积特性的某类调制信号进行识别，识别类型十分有限。

人工神经网络方法则是模仿人脑处理问题的方式发展起来的一种新型智能信息处理理论，通过大量称之为神经元的简单处理结构构成人工神经网络系统。神经元具有非线性映射能力，神经元之间通过权重系数相连接，这种并行结构具有很高的计算速度。人工神经网络的信息分布式存储连接系数中，使网络具有很高的容错性和鲁棒性。基于人工神经网络的调制识别方法速度快、识别率高，但仅限于调制特征独立性较高的数字调制方式，对于模拟信号调制方式识别率效果不佳。

以上三种识别分类方法各有侧重，对于实际使用的发射信号来说，由于受到调制源信号持续变化、传播过程中噪声和其它发射源干扰、环境变化引起的衰落、折射、以及传输损耗等因素影响，其到达接收机的调制特征将出现显著的差异，提取到的特征参数也将超出预计的阈值范围。同时在调制信号实时识别时，提取的特征数据稀疏化严重，根据理想信号特征的识别方法在实际应用时其识别性能出现显著下降。

因此如何提高现有识别方法在当今日益复杂的通信环境下的识别性能，是十分有必要的。

经过大量信号数据统计，接收到的空中信号其调制特征取值范围在某个阈值区间内基本服从正态分布，部分不同信号之间相同的调制特征无明确的区分界限。空中信号分类识别中，需要一种可以针对区间性分布的特征参数值进行处理统计的方法。

模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。

模糊逻辑系统是指利用模糊概念和模糊逻辑构成的系统。由于在选择模糊概念和模糊逻辑上的随意性，可以构造出多种多样的模糊逻辑系统。最常见的模糊逻辑系统有三类：纯模糊逻辑系统、高木-关野模糊逻辑系统和具有模糊产生器以及模糊消除器的模糊逻辑系统。