[发明专利]基于BM模型的BPSK信号盲处理结果可信性评估方法

说明书

针对BPSK信号盲处理结果可信性评估问题，本发明提出了一种基于BM（block maximum,分组极值）模型的可信性评估方法。本方法提取了观测信号与参考信号乘积的相位谱，将其模值平方进行分组并提取每个分组的极大值，构成分组极大值序列；通过检验分组极大值序列是否满足广义极值分布（形状参数为0时）实现对BPSK信号盲处理结果可信性的评估。仿真结果表明：本方法能在无信号参数和噪声功率的情况下，对BPSK信号盲分析结果的正确性和准确性进行评估。

技术领域

本发明属于信号处理技术领域，具体涉及基于BM(block maximum,分组极值)模型的BPSK信号盲处理结果可信性评估方法。

背景技术

信号逆向工程是通信和雷达电子战信号处理应用中一项极具挑战性的课题。其主要任务是进行信号或信道类型的识别以及信号参数的估计，该结果可在半盲或全盲条件下用于智能干扰机设计一种最佳的干扰攻击。逆向处理系统一般分为七层，第一层是物理层，其主要任务是检测信号，识别调制类型，估计被截获信号的参数。通常，调制识别和参数估计任务可统称为“信号分析”，其处理结果的性能对其他层的有效性有显著影响。因此，在非合作环境下对调制识别正确性及参数估计准确性的评估极其重要，即可信性评估。一般来讲，可信性评估可分为两大类：第一类主要从算法用户的角度来考虑，第二类则是从算法设计者的角度考虑。一般来说，设计人员对总体性能指标很感兴趣，例如识别的平均正确率或参数估计的均方误差。然而，这些指标并不能帮助用户，因为它们需要许多测量样本与试验样本，而这些测量只能在实验室中获得。用户通常倾向于关注单个信号分析结果的可信性评估，因为实际应用往往无法得到重复样本及重复试验的条件，因此具有更大的实用价值。

目前，有少量研究从设计人员或用户的角度对调制识别的置信度进行评估。Fehske等利用基于反向传播(BP)分类器的最大值和次大输出之间差值的一半作为评估调制识别算法的可信度度量。然而，这种方法需要大量的训练样本，在非合作环境中很难获得。有文献提出了一种基于信息熵的评价指标，用于测量认知无线电单输入单输出(SISO)和多输入多输出(MIMO)信道调制识别结果的可信性。上述两种方法只能用于评估特定识别方法的整体可信度，不能有效地从用户的角度验证单个分析结果。还有文献利用估计调制模型构造辅助信号，并计算其与原始观测信号之间的相关系数，以此作为统计数据来验证雷达脉冲内信号调制识别的正确性。该算法虽然不能对参数估计的可信度进行评价，但可以从用户的角度验证单个调制识别结果的可信度。

发明内容

本发明针对现有技术中的不足，提供一种基于BM模型的BPSK信号盲处理结果可信性评估方法，该方法具有更强的鲁棒性，可以在不了解信号参数和噪声功率的情况下，对BPSK信号盲分析结果的正确性和准确性进行评估。

为实现上述目的，本发明采用以下技术方案：

基于BM模型的BPSK信号盲处理结果可信性评估方法，其特征在于，包括如下步骤：

步骤1：输入识别结果：提供BPSK信号的分析结果，包括识别的调制方式和相应的参数估计，以及观测信号，作为反馈给可信性评估方法的输入；

步骤2：构建参考信号：根据步骤1所估计的调制方式和相应的参数估计构造参考信号；

步骤3：估计相位谱：提取观测信号与参考信号之间的乘积的相位谱，并选取相位谱模的平方作为检验统计量；

步骤4：定义统计量：将相位谱模的平方均匀分成M个模块，提取每个模块的极大值γ作为统计量；

步骤5：计算统计量的经验累积分布函数；

步骤6：计算拟合优度检验统计量及判决门限λ；

步骤7：可信性判决：通过比较拟合优度检验统计量与判决门限λ进行可信性判决。

为优化上述技术方案，采取的具体措施还包括：