[发明专利]基于特征参数与BP神经网络的调制识别方法

说明书

本发明公开了一种基于特征参数与BP神经网络的调制识别方法，包括以下步骤：S1：设置调制参数标准基础并生成调制信号数据集；S2：根据调制信号数据集制成数字信号时域图并对调制信号进行分类；S3：提取数字信号中的瞬时特征；S4：利用瞬时特征参数实现数字信号的调制识别；S5：提取高阶积累量并用高阶积累量进行调制识别；S6：根据所述特征通过比值方式构造特征参数；S7：将提取及构造出的特征参数带入BP神经网络调制识别模型进行调制识别；通过针对数字信号瞬时特征参数随信噪比的变化与高阶累积量理论值并结合组成联合特征参数集，通过集成策略来提升模型性能，最终完成数字信号的调制识别任务。

技术领域

本发明涉及信号调制识别领域，具体是基于特征参数与BP神经网络的调制识别方法。

背景技术

调制识别，也被称为调制分类，是指在未知信号调制方式先验信息的前提下，从接收信号中准确识别出调制类型，为后续的解调工作打下基础。无论在民用领域还是军事领域，调制识别都发挥着极为关键的作用。在民用领域，由于各种通信方式和通信设备层出不穷，无线电频谱资源正变得日益稀缺，随着通信产业发展，当前无线频谱根据具体业务不同，相应划分为民用的广播电视、无线通讯、卫星通讯等不同频段。通信管理部门需要对频谱资源进行有效监管，避免无线频谱被非法占用，提高频谱利用率。调制识别作为频谱监测中的重要环节，可以用来确认未知干扰信号的类型，从而为通信系统的正常工作提供保障。在军用领域，调制识别的作用更为关键，主要体现在电子侦察和电子对抗等领域。通过电子侦察可以监听敌方通信，这一过程需要识别出敌方信号的调制方式，进而对信号进行解调以获取相关内容。电子对抗在电子侦察的基础上对截获的敌方信号进行分析，进一步估计相关通信参数并添加干扰信息，从而破坏敌方的通信设备。所以，调制识别是无线通信领域中极为关键的基础性技术，有着重要的应用价值与发展前景，亦是实现万物互联所不可或缺的组成部分。

目前，在非合作通信系统和认识无线电平台中，通信信号的自动调制识别器都是非常关键的系统组件，调制识别器的识别性能高低关乎整个通信系统能否正常有效的工作，如何有效提取特征参数、采用不同的识别算法与分类器实现调制识别，在军用和民用通信均有广泛的应用，是软件无线电、认知无线电、频谱感知等领域研究的基础。由于传统调制识别方法识别率不高、易受噪声影响，所以导致其在接收信号的时候容易发生偏差，从而影响到信号传递的准确性，无论是在民用或是在军用的方面来讲，信号传递的准确性在调制识别领域都尤为重要，所以如何在调制识别领域避免受到噪声的影响，提高识别率，便成为亟待解决的问题。

发明内容

本发明的目的在于克服现有技术采用传统调制识别方法法制识别率不高并且容易受到噪声影响的不足，提供了一种基于特征参数与BP神经网络的调制识别方法，通过针对数字信号瞬时特征参数随信噪比的变化与高阶累积量理论值，根据仿真结果利用高阶累积量理论值构造出了高阶累积量特征参数，并结合提取出的瞬时特征参数及高阶累积量特征组成联合特征参数集，利用BP神经网络模型进一步完成隐含特征提取，并通过集成策略来提升模型性能，最终完成数字信号的调制识别任务。

本发明的目的主要通过以下技术方案实现：

基于特征参数与BP神经网络的调制识别方法，包括以下步骤：

S1：设置调制参数标准基础并生成调制信号数据集；

S2：根据调制信号数据集制成数字信号时域图并根据数字信号时域图对调制信号进行分类；

S3：提取数字信号中的瞬时特征，瞬时特征通过瞬时幅度、瞬时频率和瞬时相位三种瞬时统计量来表征；

S4：利用瞬时幅度和瞬时相位构造瞬时特征参数，实现数字信号的调制识别；

S5：提取高阶积累量并用高阶积累量进行调制识别；

S6：当接收信号相位改变时，记录高阶累积量出现的正负相交的计算结果，并采用所述结果取高阶累计量绝对值形式构造特征，根据所述特征通过比值方式构造特征参数；