[发明专利]一种基于云模型的通信信号特征提取方法及信号识别方法

权利要求书

1.一种基于云模型的通信信号特征提取方法及信号识别方法，其特征在于包括以下步骤：

S1.从待提取信号中选取M个样本片段，并获得各样本片段的频域序列{S_i(f)}，其中：M为大于1的正整数，i为小于等于M的正整数；

S2.选取两个参考序列，计算每个样本片段的频域序列{S_i(f)}对应的Holder系数特征H，得到Holder系数云；

S3.计算Holder系数云的数字特征，所述数字特征包括期望Ex_n、特征熵En_n以及超熵He_n，得到所述待提取信号的Holder云模型特征。

2.根据权利要求1所述的基于云模型的通信信号特征提取方法，其特征在于，获得所述样本片段的所述频域序列{S_i(f)}包括以下步骤：

S2.1.对所述样本片段进行预处理；

S2.2.对所述样本片段进行离散化，得到样本序列s_i(t)；

S2.3.对所述样本序列进行傅里叶变换，并归一化信号，得到频域序列{S_i(f)}。

3.根据权利要求1所述的基于云模型的通信信号特征提取方法，其特征在于，选取的所述参考序列包括矩形信号序列{S₁(f)}以及三角信号序列{S₂(f)}，矩形信号序列为：

三角信号序列为：

其中，N为所述频域序列{S_i(f)}的长度。

4.根据权利要求1所述的基于云模型的通信信号特征提取方法，其特征在于，计算所述样本片段的所述频域序列{S_i(f)}对应的Holder系数特征H包括两个系数值H_c、H_t，其计算公式为

其中，p,q＞1，且

5.根据权利要求4所述的基于云模型的通信信号特征提取方法，其特征在于，计算Holder系数云的数字特征的过程包括以下步骤：

S5.1.计算Holder系数云的期望Ex_n，采用的公式为：

S5.2.计算Holder系数云中每个Holder系数特征H的熵En_n(i)，采用的公式为：

S5.3.计算Holder系数云的特征熵En_n，采用的公式为：

S5.4.计算Holder系数云的超熵He_n，采用的公式为：

其中，M为大于1的正整数，i为小于等于M的正整数。

6.一种采用权利要求1至5中任一所述通信信号特征提取方法的信号识别方法，其特征在于，包括以下步骤：

S1 建立不同信噪比下的信号识别模型；

S2 根据待识别信号所处的信噪比环境选取相应的信号识别模型；

S3 使用基于云模型的通信信号特征提取方法提取所述待识别信号的Holder云模型特征，并将其带入所述信号识别模型，得到信号识别结果。

7.根据权利要求6所述的一种信号识别方法，其特征在于，建立不同信噪比下的信号识别模型包括以下步骤：

S1.1 选取多个信号，通过基于云模型的通信信号特征提取方法提取各所述信号的Holder云模型特征，并将各信号的Holder云模型特征S、调制类型T以及信噪比snr作为训练数据集{S,T，snr}；

S1.2 将训练数据集按照信噪比进行分类，并将分类得到训练数据集采用区间灰色关联算法，建立不同信噪比下的信号识别模型。

8.根据权利要求7所述的一种信号识别方法，其特征在于，将待识别信号的Holder云模型特征带入所述信号识别模型，包括以下步骤：

S3.1 信号识别模型包括特征区间矩阵，特征区间矩阵为：

其中，m表示信号种类，n表示特征参数的个数，表示调制信号m的第n个特征值波动范围的最小值，表示调制信号m的第n个特征值波动范围的最大值；所述待识别信号的第n个特征的特征区间为求取其与已知信号特征区间的区间相离度：

S3.2 构建关联系数矩阵：

其中，i＝1,2,…,m，j＝1,2,…,n；

构建关联系数矩阵的过程中，根据灰色关联基础理论，依次求取关联系数矩阵中的每个元素ξ_mn的值，ξ_mn的计算公式如下所示：

其中，ρ＝0.5；

S3.3 求取关联系数矩阵中的每一行的平均值，得到灰色关联度向量，向量中的最大的分量对应的调制类型为所述待识别信号的识别结果。