[发明专利]基于极差中值图域特征的BPSK及QPSK信号调制识别方法

说明书

本发明针对BPSK和QPSK两种调制信号的识别问题，提出了一种基于极差中值图域特征的BPSK及QPSK信号调制识别方法。首先获取待识别信号的平方修正谱，而后将平方修正谱平均分组并分别提取每组的极大值及极小值，计算两者的平均值得到极差中值序列。之后，将其转换到图域，以该图度向量的标准差作为识别统计量，设定适当门限，将识别统计量和门限相比较，实现对BPSK和QPSK信号的调制识别。仿真结果表明，本发明可在无信号先验信息的条件下，对BPSK和QPSK两种调制信号进行有效识别，且在低信噪比条件下具有更好的性能，算法复杂度低。

技术领域

本发明属于信号识别与处理领域，具体涉及一种基于极差中值图域特征的BPSK及QPSK信号调制识别方法。

背景技术

在认知无线电、电子侦察等非协作信号处理场景，数字化接收机的前端在完成了信号检测之后，还需要对其调制方式进行有效识别，以便进一步对信号进行解调，为进一步实施信号的个体识别、灵巧干扰等环节提供必要前提。

以前的相关研究，大多基于信号的循环平稳性、极值分布特征、相位特征等。该类算法无需信号的先验信息，但其在低信噪比时性能变差。近年来，随着人工智能技术的飞速发展，基于机器学习(深度学习)的相关算法得到了广泛应用。该类算法在特征定义与提取、信号分类器设计等环节对人工依赖性较小，便于在非理想条件下完成识别；但需要大量的训练样本，事先对特征及分类器进行学习与训练，显然在非协作条件下获取大量的训练样本较为困难。因此，设计一种可在低信噪比条件下实时对所截获信号进行有效识别显得尤为重要。

本发明基于极差中值图域特征的识别方法，将极差中值谱进行图转换，选择特定的特征量及门限，完成BPSK及QPSK两种调制信号的识别，算法的计算复杂度低，且在低信噪比时识别正确率高。

发明内容

本发明针对现有技术中的不足，提供一种基于极差中值图域特征的BPSK及QPSK信号调制识别方法。

为实现上述目的，本发明采用以下技术方案：

基于极差中值图域特征的BPSK及QPSK信号调制识别方法，其特征在于，包括如下步骤：

步骤1：计算待识别信号的平方修正谱；

步骤2：将平方修正谱均匀分组，并提取每组的极大值和极小值，计算每组的平均值得到极差中值谱；

步骤3：对极差中值谱进行图域转换，并提取图度向量的标准差作为调制识别特征量；

步骤4：设定相应的门限；

步骤5：将识别特征量和设定的门限相比较，若识别特征量小于该门限，则为BPSK信号，否则为QPSK信号。

为优化上述技术方案，采取的具体措施还包括：

进一步地，在步骤1中，设待识别信号为x(n)，计算其平方运算后的频谱为Y(k)＝DFT[x²(n)]，k＝0,1,...,M-1，其中M为信号的样本点数；依次将Y(k)的幅值按降序排列，并将其中前c根较大谱线均置0，记为Y₁(k)，c为修正点数，则信号的平方修正谱表示为Z(k)＝|Y₁(k)|²。

进一步地，在步骤2中，对平方修正谱Z(k)，按每组3-5根谱线进行分组，并提取每组的极大值B_max(m)和极小值B_min(m)，计算其平均值得到极差中值谱，即

C(m)＝[B_max(m)+B_min(m)]/2,m＝0,1,...,N-1

其中，N为分组数。

进一步地，步骤3具体如下：