[发明专利]一种结合神经网络实现2ASK信号及AM信号调制识别的方法

说明书

本发明公开了一种结合神经网络实现2ASK信号及AM信号调制识别的方法，包括：将调制信号进行IQ解调，得到I路和Q路的离散数据序列；对I路和Q路组成的复数IQ序列归一化处理；对复数平面上时间连续的IQ坐标点进行聚类；对坐标平面上的IQ点进行旋转，利用每个点团聚类相对实轴正半轴的偏移角度对该点团聚类附近的所有IQ点进行旋转搬移，抵消频偏；将旋转后的IQ点转换成信号密度图；创建卷积神经网络模型作为信号分类识别模型，对AM信号和2ASK信号的密度图进行分类和识别。本发明可有效地在低信噪比，接收信号存在频偏、信号不完整等非理想情况下，完成对2ASK信号及AM信号调制方式的识别。

技术领域

本发明涉及无线电通信技术领域，具体的说，是一种结合神经网络实现2ASK信号及AM信号调制识别的方法。

背景技术

通信信号调制方式的识别是信号处理研究的一个重要的课题,广泛应用于军用及民用领域。随着通信技术的飞速发展，通信信号的体制和调制样式变得更加复杂多样，信号环境日趋密集，使得常规的识别方法和理论很难适应实际需要，无法有效地对通信信号进行识别。目前识别AM、2ASK的常用算法有：

1.基于信号瞬时幅度和判决门限等传统专家特征的决策识别；

2.基于星群图/结合/盲均衡的矢量图等特征的识别；

以上调制识别算法的缺点在于：

1)对于使用信号幅度等传统特征的识别方式，没有考虑到真实环境下噪声影响变化等因素；

2)对于基于星座图等的识别方式，频偏微量难以完全滤除，没有考虑到最终的累积频偏影响；

同时，现有方法还未考虑到当码速率与采样率配比不合理时损失信号的情况，以及低信噪比下识别准确率的问题。

发明内容

本发明的目的在于提供一种结合神经网络实现2ASK信号及AM信号调制识别的方法，用于解决现有技术中AM、2ASK识别中存在没有考虑幅值动态变化、累积频偏影响、码速率与采样率不匹配时的损失信号等因素，以及低信噪比下识别准确率低的问题。

本发明通过下述技术方案解决上述问题：

一种结合神经网络实现2ASK信号及AM信号调制识别的方法，包括：

步骤S100：将接收机接收的调制信号进行IQ解调，分别得到I路和Q路的离散数据序列；

步骤S200：对I路和Q路组成的复数IQ序列进行归一化处理；

步骤S300：对复数平面上时间连续的IQ坐标点进行聚类，所述聚类的结果包括点团聚类；

步骤S400：对坐标平面上的IQ点进行旋转，利用每个点团聚类相对实轴正半轴的偏移角度对该点团聚类附近的所有IQ点进行旋转搬移，抵消频偏；

步骤S500：将旋转后的IQ点转换成信号密度图；将旋转后坐标平面上的IQ点投影为一张密度图，其中IQ点越密集的地方密度图颜色越深；

步骤S600：创建卷积神经网络模型作为信号分类识别模型，对AM信号和2ASK信号的密度图进行分类和识别，所述卷积神经网络模型是根据AM，2ASK信号密度图的纹理规律，人工生成的训练数据集进行训练得到。人工生成的训练数据集可以通过随机改变IQ数据分布并加入高斯白噪声人工合成足够多的仿真训练密度图，供神经网络学习有效分布特征。

进一步地，所述步骤S100具体为：

分别对接收到的信号乘以正弦函数和余弦函数，并分别进行积分操作，得到离散数据序列为：I₁,Q₁,I₂,Q₂,I₃,Q₃…I_n,Q_n；n为序列的长度的一半。