[发明专利]基于级联SVM和全数字接收机的复合信号调制识别方法

说明书

本发明公开了一种基于级联SVM和全数字接收机的复合信号调制识别方法。本发明步骤：1、将接收到的采样信号输入全数字接收机得到鉴相误差；2、获取鉴相误差的频谱图形用于区分MPSK‑FM、MT‑FM和2ASK‑FM信号；3、对被判别成MPSK信号的数据进行平方谱图形获取，用于区分BPSK‑FM和QPSK‑FM信号；4、通过级联SVM分类器实现对上述信号的分类。本发明的识别算法具有识别率高，低信噪比下性能出色的优势。本发明能够对复合调制FM信号(ASK‑FM、MTONE_FM、BPSK‑FM和QPSK‑FM)的调制方式进行准确地判断，识别正确率要比传统的基于部分特征提取和决策树分类的调制识别方法好。

技术领域

本发明主要针对FM复合调制信号，主要涉及一种基于级联SVM和全数字接收机的复合信号调制识别方法。

背景技术

无线通信的快速发展衍生出越来越多复杂的信号类型，尤其随着物联网时代的来临，海量连接的逐步实现，各种广域低功耗的连接信号越来越多。传统的单一调制信号已经无法满足现代通信的要求，复合调制信号由于一般同时具有两种调制方式的优点并且两者的缺点也得到互补，已被广泛应用于新型通信信号中。因此针对复合调制信号和单一调制的混合信号开展调制识别方法和参数估计方法研究，对现在复杂通信环境下的调制识别技术发展具有重要意义。

目前对于复合调制信号的识别研究主要是基于局部信号特征和分类树的识别方法。该方法实现简单，实时性好，但其分类性能易受阈值影响且存在误差累积现象。支持向量机(SVM)算法是深度学习算法的一种，该算法可以从标记数据中进行鲁棒且快速的特征学习，通过提取一组数据的支持向量来实现分类，很好的避免了决策树方法的缺点，因此被广泛应用于模式识别等领域。

由此可见，将深度学习技术与通信信号调制识别技术结合起来，来实现对复合调制信号的模式识别有着非常广泛的应用前景。

发明内容

本发明的目的是解决测控系统中FM复合调制信号的识别问题，提出了一种基于级联SVM和全数字接收机的复合信号调制识别方法。通过全数字接收机的鉴相误差提取FM复合信号的内调制信息，使用级联SVM分类器对内调制信号的频谱和平方谱整体图形特征进行分类识别。理论分析和仿真实验表明，该算法与传统的基于局部信号特征和决策树分类的识别方法相比，有更好识别性能，特别是在低信噪比条件下。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1、将接收到的采样信号输入全数字接收机得到鉴相误差；

步骤2、获取鉴相误差的频谱图形用于区分MPSK-FM、MT-FM和2ASK-FM信号；

步骤3、对被判别成MPSK信号的数据进行平方谱图形获取，用于区分BPSK-FM和QPSK-FM信号；

步骤4、通过级联SVM分类器实现对上述信号的分类。

步骤1具体实现如下：

1-1.将接收到的采样信号与数控振荡器的两路输出相乘，通过FIR低通滤波器滤除和频分量，得到正交的两路信号S_i(n)和S_q(n)：

其中K_f和T_s均为常数，Δf为NCO初始频率与信号载频的差值，n为采样点数，θ(n)为NCO初始相位。

1-2.将S_i(n)和S_q(n)通过鉴相器得到鉴相误差

鉴相误差经过二阶环路滤波器滤波后反馈回数控振荡器直至环路达到稳定状态。此时有Δf→0且因此得到稳定状态下的鉴相误差：