[发明专利]基于特征选择和支持向量机的水声通信信号调制识别方法

说明书

本发明公开了一种基于特征选择和支持向量机的水声通信信号调制识别方法。包括：对仿真或实际获取的水声通信数据样本，提取每一个样本的瞬时特征、高阶累积量、功率谱特征，形成串联特征；采用熵权法计算串联特征的权重系数，将权重系数大于预设权重阈值的对应特征视作敏感特征；以每一个样本的敏感特征作为样本数据，相同调制方式的水声数据样本标注相同标签，不同调制方式的水声数据样本标注不同标签，形成训练；以训练集为支持向量机的输入，采用高斯核函数，以多分类交叉熵函数作为目标函数进行训练，得到基于支持向量机的识别模型；利用训练好的识别模型，对经过特征提取的水声通信数据进行调制识别。本方法具有效率高、识别准确的优点。

技术领域

本发明涉及信号处理领域，具体涉及一种水声通信的调制识别方法。

背景技术

随着机器学习技术的发展和应用，调制识别方法的研究逐渐成为水声通信领域的热点。其中，基于特征提取的调制识别方法是重要的研究方向之一。

通常来说，基于特征提取的调制识别方法分为特征提取和分类器两部分。但水声信道为强多途、大多普勒扩展和多传输衰减的时-频-空变参信道，这些水声信道特性导致接收端的水声通信信号畸变严重，影响特征的选取和特征的质量，进而影响分类器的识别性能。理论上，特征向量越多越能够增强不同调制方式下的水声通信信号间的辨识能力，但与此同时冗余信息增多、提高了计算复杂度且降低了分类器的识别效率。支持向量机作为经典的分类器算法，有完备的理论依据，具有良好的泛化能力。但当输入特征的维度较低时，识别效果不佳。

因此，针对复杂的水声信道，需要建立一种特征选择技术和支持向量机有效结合的稳健水声通信信号调制识别方法。

发明内容

本发明的目的是为了克服现有技术的不足，提出一种基于敏感特征选择和支持向量机的水声通信信号调制识别的实现方法。

为了达到上述目的，本发明采用如下的技术方案：

一种基于特征选择和支持向量机的水声通信信号调制识别的实现方法，包括以下步骤：

（1）对仿真的或实际采集的水声通信数据样本，提取每一个样本的瞬时特征、高阶累积量、功率谱特征，形成串联特征；

（2）采用熵权法计算串联特征的权重系数，确定权重阈值，将权重系数大于该权重阈值的所对应的特征视作敏感特征；

（3）以每一个样本的敏感特征作为样本数据，相同调制方式的水声数据样本标注相同标签，不同调制方式的水声数据样本标注不同标签，形成训练集；

（4）以训练集为支持向量机的输入，采用高斯核函数，以多分类交叉熵函数作为目标函数进行训练，得到支持向量机的识别模型；

（5）利用训练好的支持向量机的识别模型，对经过特征提取的水声通信数据进行调制识别。

在本发明的优选实施方式中，每一个样本的瞬时特征包括零中心归一化瞬时幅度谱密度最大值、零中心归一化非弱信号段瞬时幅度的标准偏差、零中心归一化瞬时幅度的紧致性、零中心非弱信号段瞬时相位非线性分量的标准偏差、零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差、零中心归一化瞬时频率的紧致性以及零中心归一化非弱信号瞬时频率绝对值的标准偏差。每一个样本的高阶累积量包括二阶累积量、四阶累积量和六阶累积量。功率谱特征包括一次谱的单频分量检测值、一次谱的双频分量检测值、二次谱的单频分量检测值和波形特征值。

与现有技术相比，本发明具有以下有益效果：