[发明专利]一种基于模糊逻辑的自动调制信号识别方法及装置

说明书

本发明涉及无线电技术领域，公开了一种基于模糊逻辑的自动调制信号识别方法及装置，包括：根据已知调制信号的特征参数构建模糊逻辑分类器；从接收机获取指定频率和时长的IQ数据，并分离已知频点、带宽和调制方式的信号，计算并缓存其特征参数值构成的训练数组；将训练数组输入分类器，完成分类器的训练；将从接收机获取指定频率和时长的IQ数据进行特征提取得到验证数组，验证分类器的识别准确率；若分类器的准确率达到设定阈值，将从接收机获取指定频率和时长的IQ数据使用训练完成的分类器识别信号的调制方式。本发明根据空中信号特征参数呈现范围性分布的特点，利用模糊逻辑原理构建分类器，从而实现了对空中信号调制方式的高识别率。

技术领域

本发明涉及无线电技术领域，特别是指一种基于模糊逻辑的自动调制信号识别方法及装置。

背景技术

调制方式识别是无线电对抗领域的重要课题，是未来无线电监测重要的发展方向。调制方式识别的基本结构包括：1)数据预处理模块、2)特征提取模块、3)分类器模块。其中数据预处理模块通过信号下变频、正交分量分解、载频估计、信号分离等处理手段，为特征提取模块以及分类器模块提供合适的数据。特征识别模块从数据中提取信号的时域、变换域特征参数，分类器则是根据提取的特征参数判断信号的调制方式。

常见的分类器算法包括统计模式识别方法、决策论方法和人工神经网络方法。

统计模式识别方法主要有直方图构造特征向量，用线性分类器判别信号的调制方式。统计模式识别方法的先决条件是要以一定量的信号样本得出其特征参数和判决门限，所以识别结果受噪声干扰的因素较大。低信噪比时的识别效果远不如高信噪比时。但其因为理论判断简便，提取特征的适应能力强，可用于多种类型的识别。

决策论方法判决理论识别方法是建立在假设检验理论上的一种识别方法，主要利用到了概率论，使之推导出一个合理的分类标准。此方法在理论统计分析出信号特性的基础上，用提前设置的门限和判决标准和推算得出的检验统计量进行定向对比。在整个识别过程中不需要信号样本且更适用在低信噪比环境下的识别。但该方法只能对已经分析得出累积特性的某类调制信号进行识别，识别类型十分有限。

人工神经网络方法则是模仿人脑处理问题的方式发展起来的一种新型智能信息处理理论，通过大量称之为神经元的简单处理结构构成非线性动力学系统。神经元具有非线性映射能力，神经元之间通过权重系数相连接，这种并行结构具有很高的计算速度。人工神经网络的信息分布式存储连接系数中，使网络具有很高的容错性和鲁棒性。基于人工神经网络的调制识别方法速度快、识别率高，但仅限于调制特征独立性较高的数字调制方式，对于模拟信号调制方式识别率效果不佳。

以上三种识别分类方法各有侧重，对于实际使用的发射信号来说，由于受到调制源信号持续变化、传播过程中噪声和其它发射源干扰、环境变化引起的衰落、折射、以及传输损耗等因素影响，其到达接收机的调制特征将出现显著的差异，提取到的特征参数也将超出预计的阈值范围。同时在调制信号实时识别时，提取的特征数据稀疏化严重，根据理想信号特征的识别方法在实际应用时其识别性能出现显著下降。

因此，如何提高现有识别方法在当今日益复杂的通信环境下的识别性能，是十分有必要的。

发明内容

本发明提出一种基于模糊逻辑的自动调制信号识别方法及装置，解决了现有技术中无法对区间性分布的信号特征参数值进行处理统计的问题。

本发明的技术方案是这样实现的：一种基于模糊逻辑的自动调制信号识别方法，包括：

步骤S1.构建模糊逻辑分类器：根据已知调制信号的特征参数构建隶属度函数及其模糊推理规则，其中，所述隶属度函数的输入为调制信号的特征参数，输出为调制方式；

步骤S2.数据特征提取：从接收机获取指定频率和时长的IQ数据，从IQ数据中分离已知频点、带宽和调制方式的信号，计算并缓存其特征参数值，得到由多个信号特征参数值构成的训练数组；