[发明专利]基于多分布测试数据融合的多层感知器快速调制识别方法

权利要求书

1.一种基于多分布测试数据融合的多层感知器快速调制识别方法，其特征在于，包括以下步骤：

步骤1)对接收到的信号进行预处理，采用的归一化公式为：

从接收信号中获得信号特征序列其中和分别表示第k个复数信号r_k的实部分量和虚部分量，和分别表示复数信号的实部分量和虚部分量的均值，而和分别表示复数信号的实部分量和虚部分量的标准差；

步骤2)通过四种分布测试算法Kolmogorov-Smirnov Test、Cramer-VonMises Test、Anderson-Darling Test和Variance Test获取决策统计数据定义为：

其中F₁(z_n)为接收信号的经验累积分布，F₀(z_n|M)为候选调制模式的理论累积分布，M为候选调制模式；

步骤3)从而获得的矩阵为：

步骤4)通过矩阵生成MLP分类器的输入特征，输入特征定义为：

每一种调制模式下的输入特征均输入到MLP分类器内；

步骤5)不同的调制模式经过决策统计数据融合之后获得的输入特征通过MLP分类器识别调制模式并与所对应的分类标签匹配输出；

label＝{0,1,2,…,n-1}。

2.如权利要求1所述的基于多分布测试数据融合的多层感知器快速调制识别方法，其特征在于，取自接收复信号的实部、虚部、幅度或者相位。

3.如权利要求1所述的基于多分布测试数据融合的多层感知器快速调制识别方法，其特征在于，生成决策统计数据的矩阵步骤如下：首先计算接收信号的经验累积分布F₁(z_n)，其次计算候选调制模式的理论累积分布F₀(z_n|M)，最后基于四种分布测试算法计算不同调制模式下的决策统计数据

4.如权利要求1所述的基于多分布测试数据融合的多层感知器快速调制识别方法，其特征在于，在的矩阵中采用按列相加的方式进行数据融合。

5.如权利要求1所述的基于多分布测试数据融合的多层感知器快速调制识别方法，其特征在于，MLP分类器采用前向传播和反向传播技术训练模型并更新权重。

6.如权利要求5所述的基于多分布测试数据融合的多层感知器快速调制识别方法，其特征在于，训练结束后，计算识别精度，对于MLP分类器的分类结果，计算识别精度其中N_c为正确分类的样本数，N_total为测试信号样本的总数。