CN112084850A - 一种信号调制参数自适应识别方法 - Google Patents

Abstract

本发明公开了一种信号调制参数自适应识别方法，包括自动调整分析带宽过程和基于节点‑集成分类器的信号调制参数识别过程。通过自动调整分析带宽过程，本发明无需人工设置分析带宽，便可求出不同分析带宽设置下的信号特征，为后续自适应识别模块提供数据基础。通过基于节点‑集成分类器的信号调制参数识别过程，本发明能从复杂的信号特征中提取高价值信号，排除冗余信息和干扰信息，实现对信号调制参数的自适应稳定识别。本方法无需人工设置分析带宽，可实现对不同带宽信号的自适应识别，从而减轻频谱监测人员的操作负担、大幅提高信号分析效率。本方法对不同带宽的信号具有良好的适应能力，具有良好的识别准确度和稳定性。

Description

一种信号调制参数自适应识别方法

技术领域

本发明涉及频谱监测仪器的信号调制参数识别领域，具体涉及一种信号调制参数自适应识别方法。

背景技术

信号调制参数识别是频谱监测仪器中的重要功能，是后续信号解调和分析的基础。但是，信号调制方式类型复杂，识别难度大，信号调制参数识别功能往往成为信号监测设备分析能力的短板和瓶颈，对于整个信号监测仪器的综合效能具有非常大的影响作用。现有仪器的调制参数识别方法必须由操作人员手动设定分析带宽，不具有带宽自适应能力，当被测信号的实际带宽与人工设置的分析带宽不匹配时，会导致识别准确率显著下降。

现有技术的缺点在于：

(1)不能自动适应被测信号的带宽，需要操作人员手动设置分析带宽，增加工作人员操作负担，降低频谱监测效率。

(2)当设置的分析带宽与信号实际带宽不一致时，会造成识别准确度严重下降。

发明内容

针对现有信号调制参数识别方法不能自动适应被测信号带宽的问题，本发明提出一种无需人工设置分析带宽，具有良好识别准确度和稳定性的信号调制参数自适应识别方法。

本发明采用以下的技术方案：

一种信号调制参数自适应识别方法，包括以下步骤：

步骤1：自动调整分析带宽：用户选择待识别信号的位置后，选择局部范围内功率谱均值最大值所处的频率作为信号中心频率f_c，选择信号中心频率f_c的3dB带宽作为初始分析带宽B₁，以k*B₁为步长，逐步增加分析带宽，构成分析带宽集合{B₁，B₂，……，B_N}，其中，k为步长系数；

步骤2：构建训练样本集：针对不同调制方式的信号，构造训练样本集；根据分析带宽集合中的不同带宽，对每个信号采集N个不同的样本，记为s_(c,i,b)，所有样本构成训练样本集，其中c代表样本的调制参数类型，i代表第c种调制参数类型下第i个信号，b代表第c种调制参数类型下第i个信号样本根据第b个分析带宽所采集的样本；

步骤3：节点分类器训练：将训练样本集按照分析带宽分为N个训练子集，分别训练得到N个调制参数识别分类器，即节点分类器；

步骤4：集成分类器训练：节点分类器训练完成后，得到识别结果向量，采用识别结果向量构成集成训练样本集，使用集成训练样本集训练集成分类器；

步骤5：将训练好的节点分类器和集成分类器组合成一个整体，即节点分类器的结果集中输入给集成分类器，集成分类器输出最终识别结果。

本发明具有的有益效果是：

自动调整分析带宽过程，通过该过程，本发明无需人工设置分析带宽，便可求出不同分析带宽设置下的信号特征，为后续自适应识别模块提供数据基础。基于节点-集成分类器的信号调制参数识别过程，通过该过程，本发明能从复杂的信号特征中提取高价值信号，排除冗余信息和干扰信息，实现对信号调制参数的自适应稳定识别。

本方法无需人工设置分析带宽，可实现对不同带宽信号的自适应识别，从而减轻频谱监测人员的操作负担、大幅提高信号分析效率。本方法对不同带宽的信号具有良好的适应能力，具有良好的识别准确度和稳定性。

附图说明

图1为自动调整分析带宽的示意图。

图2为本发明的流程示意图。

图3为节点分类器与集成分类器训练示意图。

图4为本发明的调制参数自适应识别总体流程示意图。

具体实施方式

下面结合附图和具体实例对本发明的具体实施方式做进一步说明：

结合图1至图4，一种信号调制参数自适应识别方法，包括以下步骤：

步骤1：自动调整分析带宽：户选择待识别信号的位置后，选择局部范围内功率谱均值最大值所处的频率作为信号中心频率f_c，选择信号中心频率f_c的3dB带宽作为初始分析带宽B₁，以k*B₁为步长，逐步增加分析带宽，构成分析带宽集合{B₁，B₂，……，B_N}，其中，k为步长系数。如图1所示。

步骤2：构建训练样本集：对L种调制方式，每种调制方式采集M个信号，每个信号按照分析带宽集合{B₁，B₂，……，B_N}采集N个信号样本，则构成共有L*M*N个样本的总体训练样本集。将每个信号样本记为s_(c,i,b)，c＝1,2,...,L，i＝1,2,...,M，b＝1,2,...,N，其中c代表样本的调制参数类型，i代表第c种调制参数类型下第i个信号，b代表第c种调制参数类型下第i个信号根据第b个分析带宽所采集的样本。如图2所示。

步骤3：节点分类器训练：将训练样本集按照分析带宽分为N个训练子集，训练得到N个调制参数识别分类器，即节点分类器。如图3所示。

采用节点分类器的目的是：取得在特定分析带宽下的最佳调制参数分类能力。节点分类器可根据具体任务场景自由选择，比如决策树、神经网络，支持向量机等。

步骤4：集成分类器训练：节点分类器训练完成后，得到识别结果向量。采用识别结果向量构成集成训练样本集，使用集成训练样本集训练集成分类器。集成分类器可根据具体分类场景自由选择，比如adaboost等。如图3所示。

步骤5：本发明调制参数自适应识别的总体流程如图4所示。对于待识别信号，节点分类器的识别结果作为集成分类器的输入，集成分类器给出最终的调制参数识别结果。节点分类器和集成分类器共同组成调制参数识别方案。集成分类器的作用是综合不同分析带宽下各个节点分类器的处理结果，克服传统方法中设置单一分析带宽所造成的识别不稳定问题。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (1)

1.一种信号调制参数自适应识别方法，其特征在于，包括以下步骤：

步骤1：自动调整分析带宽：用户选择待识别信号的位置后，选择局部范围内功率谱均值最大值所处的频率作为信号中心频率f_c，选择信号中心频率f_c的3dB带宽作为初始分析带宽B₁，以k*B₁为步长，逐步增加分析带宽，构成分析带宽集合{B₁，B₂，……，B_N}，其中，k为步长系数；

步骤2：构建训练样本集：针对不同调制方式的信号，构造训练样本集；根据分析带宽集合中的不同带宽，对每个信号采集N个不同的样本，记为s_(c,i,b)，所有样本构成训练样本集，其中c代表样本的调制参数类型，i代表第c种调制参数类型下第i个信号，b代表第c种调制参数类型下第i个信号样本根据第b个分析带宽所采集的样本；

步骤3：节点分类器训练：将训练样本集按照分析带宽分为N个训练子集，分别训练得到N个调制参数识别分类器，即节点分类器；

步骤4：集成分类器训练：节点分类器训练完成后，得到识别结果向量，采用识别结果向量构成集成训练样本集，使用集成训练样本集训练集成分类器；

步骤5：将训练好的节点分类器和集成分类器组合成一个整体，即节点分类器的结果集中输入给集成分类器，集成分类器输出最终识别结果。

Images