[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

说明书

本发明公开了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，该方法依次包括接收信号预处理、获取信号特征序列、生成决策统计数据的矩阵、通过决策统计数据的融合生成多层感知器输入特征，通过多层感知器识别调制模式并与所对应的分类标签匹配输出。本发明与经典的似然度算法相比算法复杂度低，同时提高了单个分布测试算法的识别精度。

技术领域

本发明涉及通信领域，具体涉及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。

背景技术

调制识别，又称调制分类，其目标是通过对未知信号的特征分析，获得该未知信号调制模式信息。调制识别在军事、民用等多方面已经取得广泛应用。调制识别算法在SISO(单输入单输出)系统中已经进行了30多年的深入研究，然而在MIMO(多输入多输出)系统中的应用还处于早期阶段。首先切入的领域就是MIMO系统中的调制识别领域，在大规模MIMO系统中，随着天线个数的增加，现有大多算法的复杂程度都会相应的产生指数级的增长。特别是在大规模MIMO系统中，符合实际应用需求的调制识别算法依然是一个很大的挑战。

现有的调制识别算法主要分为两类，即基于似然度和基于特征的算法。基于似然度的算法通过加性噪声的统计模型，能够在高斯白噪信道中获得最优识别精度，但其前提是具备准确的噪声功率与分布。采用基于特征值的识别机制，虽然该类统计特征能够很好的完成调制识别任务，并获得较好的识别精度，但其本身缺乏应对加性噪声的能力，也无法通过信噪比等信息提升算法的抗干扰能力。

并且现有的调试识别算法面临着一个普遍问题：其信号处理的计算成本极高，且计算的复杂程度随天线个数与调制模式的阶数增长成指数级增长。在考虑高阶调制模式与大规模MIMO系统时，单天线系统常用的基于似然度的调制识别方法具有极其高的计算复杂度。

发明内容

本发明要解决的技术问题是提供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，能够降低算法的复杂度，提高识别精度。

为了解决上述技术问题，本发明提供了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，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

步骤2)通过四种分布测试算法Kolmogorov-Smirnov Test、Cramer-Von MisesTest、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}。

进一步的，取自接收复信号的实部、虚部、幅度或者相位。