CN112235077B - 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 - Google Patents
基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 Download PDFInfo
- Publication number
- CN112235077B CN112235077B CN202011075526.8A CN202011075526A CN112235077B CN 112235077 B CN112235077 B CN 112235077B CN 202011075526 A CN202011075526 A CN 202011075526A CN 112235077 B CN112235077 B CN 112235077B
- Authority
- CN
- China
- Prior art keywords
- signal
- sequence
- threshold
- processing result
- bpsk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
- H04L1/0038—Blind format detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
- H04L27/22—Demodulator circuits; Receiver circuits
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Complex Calculations (AREA)
Abstract
基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法,首先根据调制识别结果对应的信号模型构造参考信号,计算此参考信号与观测信号的相关谱模值平方;然后分别提取相关谱模值平方序列的分组极值序列及超阈值序列;利用高斯Copula模型对分组极值序列及超阈值序列的联合分布进行拟合,并根据单分类准则,建立校验统计量;利用Bootstrap方法获取统计量在零假设下的概率分布及其数字特征,得到相应的判决门限;若校验统计量大于判决门限,则判定此次BPSK信号盲处理结果为可信,反之,不然。计算机仿真结果表明,该方法可以在缺乏信号及噪声方差信息条件下自适应对BPSK信号盲处理结果的可信性进行有效检验。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种基于高斯Copula的二相编码(BPSK)信号的盲处理结果校验方法。
背景技术
BPSK信号是雷达、通信中的常用调制方式,对该类信号识别及参数估计结果,即分析结果的可信性评估,对于提高电子战信号处理的有效性与可靠性,节约计算成本,提高干扰的精准度,具有重要的战略与战术价值。
已有基于相关谱极值统计量的评估算法存在如下缺点:没有对充分利用相关谱极值的样本信息,例如基于分组极值模型的相关算法,会丢失部分分组内的次大值样本,而基于超阈值模型的相关算法,因阈值过大,也会丢失部分极值样本。本算法将分组极值与超阈值序列作为二元特征量,用高斯Copula进行拟合,得到两者的联合概率密度函数,而后基于单分类器准则,构建可信性校验的统计量;利用Bootstrap算法,对统计量的数字特征进行估计,并用以自适应确定可信性校验的判决门限。实验结果表明,该方法能充分利用有效的极值样本信息,在低信噪比时性能明显优于现有算法。
发明内容
本发明针对现有技术中的不足,提供一种基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法。
为实现上述目的,本发明采用以下技术方案:
基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法,其特征在于,包括如下步骤:
步骤1:对观测信号进行调制方式识别及参数估计,根据识别结果对应的信号模型,利用调制方式识别及参数估计结果构建参考信号,并建立假设检验模型;
步骤2:计算参考信号与观测信号的平方相关谱,分别提取平方相关谱的分组极值序列和超阈值序列;
步骤3:利用高斯Copula模型对分组极值序列和超阈值序列的联合分布进行拟合,并根据单分类准则,建立校验统计量;
步骤4:利用Bootstrap方法获取Bootstrap意义下的检验统计量及其数字特征,得到相应的判决门限;
步骤5:对步骤3得到的校验统计量进行归一化处理,并与判决门限进行比较,结合假设检验模型,对信号盲处理结果进行校验。
为优化上述技术方案,采取的具体措施还包括:
进一步地,所述步骤1中,建立叠加了高斯白噪声的BPSK调制信号模型为
x(n)=s(n)+w(n)
=A exp[j(2πf0Δtn+θ(n)+θ0)]+w(n),0≤n≤N-1
式中,A为信号幅度,j为虚数单位,f0为载波频率,Δt为采样间隔,BPSK分量的相位函数θ(n)=πd2(n),d2(n)为二元编码信号,其码元宽度为Tc,码元个数Nc,码字为cm,m=1,...,Nc,θ0为初相位,N为样本点数,s(n)表示发射信号,w(n)为零均值加性复高斯白噪声过程;
构建参考信号y(n),建立假设检验问题H0和H1,H0表示调制方式识别结果正确且无解码错误,H1表示调制方式识别错误或存在至少一位错误解码。
进一步地,所述步骤2具体如下:
步骤2.1:计算参考信号和观测信号的相关序列z(n)=x(n)y(n),x(n)表示观测信号,y(n)表示参考信号;
步骤2.2:对相关序列去均值后得到零均值的相关序列zm(n),对零均值的相关序列作DFT变换并取模,得到平方相关谱R(k)=|DFT[zm(n)]|2,0≤k≤N-1,N为样本点数;
步骤2.3:将R(k)分为L组,取第i组的最大值z1i,i=1,...,L,得到分组极值序列Z1=(z11,z12,...,z1L),其分布函数z1∈(-∞,∞)为Gumbel分布,z1表示分组极值序列中的变量;
步骤2.4:对于给定的阈值t<max(R(k)),计算超阈值序列Z2=R(k)-t,并将其写成向量的形式Z2=(z21,z22,....,z2L),其分布函数z2∈[0,∞)为GP-I分布,Z2表示超阈值序列中的变量。
进一步地,所述步骤3具体如下:
步骤3.1:根据分组极值序列Z1及相关谱超阈值序列Z2,基于高斯Copula模型得到两个随机变量的联结概率密度函数c0[F1(z1),F2(z2)]:
式中,Φ-1(u)、Φ-1(v)表示标准正态分布函数的逆,u=F1(z1),v=F2(z2),ρ∈[-1,1]为高斯Copula的相关系数;
步骤3.2:基于单分类准则,获取检验统计量TOC:
式中,f(zL)=f(z1,z2)=f1(z1)f2(z2)c0[F1(z1),F2(z2)]为联合概率密度函数,zL是指由Z1及Z2构成的随机向量,f1(z1),f2(z2)分别表示Z1、Z2的边缘概率密度。
进一步地,所述步骤4具体如下:
步骤4.1:先对平方相关谱进行去离群值处理,然后对去离群后的平方相关谱作B次Bootstrap重采样;
步骤4.3:设定相应的虚警概率Pfa,通过计算Gaussian分布的逆,得到判决门限值η≈η*=Φ-1(Pfa),η*表示Bootstrap意义下的门限值。
进一步地,所述步骤5具体如下:
本发明的有益效果是:可在无信号参数及噪声方差信息的条件下,有效完成对BPSK信号盲处理结果的校验,方法简单有效,对于提高雷达情报分析结果的可靠性与有效性具有重要的理论价值与实践意义。此外,该方法还可推广到其它混合调制信号盲处理结果的校验中。
附图说明
图1是本发明的方法流程图。
图2是本发明方法与现存算法的性能对比图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
本发明首先根据调制识别结果对应的信号模型调制识别结果及估计得到的信号参数构造参考信号,计算此参考信号与观测信号的相关谱模值平方;然后分别提取相关谱模值平方序列的分组极值序列Z1(即对其作适当分段后取每个分段的最大值构成分组极值序列)及超阈值序列Z2(即设定特定门限,取其中超过门限样本,并减去设定门限后留下的超阈值序列);利用高斯Copula模型对(Z1,Z2)的联合分布进行拟合,并根据单分类准则,建立校验统计量Tco;利用Bootstrap方法获取统计量在零假设下的概率分布及其数字特征,得到相应的判决门限VT,通过将校验统计量与判决门限进行比较,对单次BPSK信号盲处理的结果进行校验。
图1示出了基于高斯Copula的BPSK调制信号盲处理结果的校验方法流程,具体包括以下几个步骤:
一、参考信号及评估模型建立
1、参考信号模型建立:
设接收信号为
x(n)=s(n)+w(n)
=A exp[j(2πf0Δtn+θ(n)+θ0)]+w(n),0≤n≤N-1
式中,A为信号幅度,j为虚数单位,f0为载波频率,Δt为采样间隔,BPSK分量的相位函数θ(n)=πd2(n),d2(n)为二元编码信号,其码元宽度为Tc,码元个数Nc,码字为cm,m=1,...,Nc,θ0为初相位,N为样本点数,s(n)表示发射信号,w(n)为零均值加性复高斯白噪声过程。
2、处理结果校验模型建立:建立假设检验问题H0和H1,H0表示调制方式识别结果正确且无解码错误,H1表示调制方式识别错误或存在至少一位错误解码。
二、特征选取
1、计算参考信号和观测信号的相关序列z(n)=x(n)y(n);
2、对相关序列去均值后得到零均值的相关序列zm(n),对零均值的相关序列作DFT变换并取模,得到平方相关谱R(k)=|DFT[zm(n)]|2,0≤k≤N-1;
3、将R(k)分为L组,取第i组的最大值z1i,i=1,...,L,得到分组极值序列Z1=(z11,z12,...,z1L),每组的长度为5-15个样本点,其分布函数z1∈(-∞,∞),该函数为Gumbel分布,z1表示分组极值序列中的变量;
4、对于给定的阈值t<max(R(k))(阈值一般取R(k)最大值0.3-0.5倍),计算相关谱超阈值序列Z2=R(k)-t,并将其写成向量的形式,即Z2=(z21,z22,....,z2L),其分布函数z2∈[0,∞),该分布函数为GP-I分布,z2表示相关谱超阈值序列中的变量。
三、统计量计算
1、根据分组极值序列Z1及相关谱超阈值序列Z2,基于高斯Copula模型得到两个随机变量的联结概率密度函数c0[F1(z1),F2(z2)],即
式中,Φ-1(u)、Φ-1(v)表示标准正态分布函数的逆,u=F1(z1),v=F2(z2),ρ∈[-1,1]为高斯Copula的相关系数;
2、基于单分类准则,获取用于检验的统计量,即
式中,f(zL)=f(z1,z2)=f1(z1)f2(z2)c0[F1(z1),F2(z2)]为联合概率密度函数,zL是指由随机变量Z1及Z2构成的随机向量,下标L表示随机变量样本的个数;f1(z1),f2(z2)分别表示随机变量Z1及Z2的边缘概率密度。
四、门限获取
1、重采样:先对平方相关谱进行去离群值处理,然后对去离群后的平方相关谱作B次Bootstrap重采样;
3、门限计算:设定相应的虚警概率,通过计算Gaussian分布的逆,得到判决门限值η≈η*=Φ-1(Pfa)。
五、可信性校验
2、可信性判决:与步骤四中得到的判决门限进行比较,若大于门限,则判H0,反之为H1。
假设接收到的观测信号x(n)为被加性高斯白噪声污染的BPSK信号,码字为13位Barker码,码元宽度为200个采样间隔,载波频率为19.081MHz。此处,将本发明提出的BPSK信号盲处理结果的可信性评估算法与现有的相关算法在相同条件进行了性能仿真与对比。仿真次数Ns=1000次,抽样频率为100MHz,重采样次数B=20,虚警概率为0.01。定义正确检验率Pd,实质上就是对两种情形(即:1、某次信号处理结果正确可信,用本文算法对该结果进行校验,也认为该结果正确可信;2、某次信号处理结果不正确,不可信,用本文算法对其校验也认为其不正确,不可信)的校验概率。
图2中,Copula为本发明方法;TFAR为恒虚警算法,出自(G.Hu,Z.Pinjiao.Confidence Test for Blind Analysis of BPSK Signals[J].IEEETransactions on Aerospace and Electronic Systems,2018:1-1);PGP为相位超阈值算法,PGEV为相位分组极值法,两者出自文献:(G.Hu,L.Xu,P.Zhao,W.Wang.ConfidenceEvaluation of BPSK Signal Analysis Based on EVT[J].IEEE Transactions onAerospace and Electronic Systems,2020,56(2):1515-1537);PKS为相位分布拟合检验法(胡国兵等,基于K-S检验的BPSK信号盲处理结果可信性评估[J].电子学报,2014,42(10):1882-1886);TFIT为线性回归法(胡国兵,刘渝.BPSK信号盲处理结果的可靠性检验算法[J].数据采集与处理,2011,26(6):637-642);CORR为相关系数法(陈役涛.雷达信号调制方式识别可信度研究[D].南京航空航天大学,2008)。由上图可见,本发明方法在各种信噪比条件下均为最佳,尤其是在信噪比较低时更为明显。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法,其特征在于,包括如下步骤:
步骤1:对观测信号进行调制方式识别,根据识别结果对应的信号模型构建参考信号,并建立假设检验模型;
步骤2:计算参考信号与观测信号的平方相关谱,分别提取平方相关谱的分组极值序列和超阈值序列;
步骤3:利用高斯Copula模型对分组极值序列和超阈值序列的联合分布进行拟合,并根据单分类准则,建立检验统计量;
步骤4:利用Bootstrap方法获取Bootstrap意义下的检验统计量及其数字特征,得到相应的判决门限;
步骤5:对步骤3得到的检验统计量进行归一化处理,并与判决门限进行比较,结合假设检验模型,对信号盲处理结果进行校验。
2.如权利要求1所述的基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法,其特征在于:所述步骤1中,建立叠加了高斯白噪声的BPSK调制信号模型为
x(n)=s(n)+w(n)
=Aexp[j(2πf0Δtn+θ(n)+θ0)]+w(n),0≤n≤N-1
式中,A为信号幅度,j为虚数单位,f0为载波频率,Δt为采样间隔,BPSK分量的相位函数θ(n)=πd2(n),d2(n)为二元编码信号,其码元宽度为Tc,码元个数Nc,码字为cm,m=1,...,Nc,θ0为初相位,N为样本点数,s(n)表示发射信号,w(n)为零均值加性复高斯白噪声过程;
构建参考信号y(n),建立假设检验问题H0和H1,H0表示调制方式识别结果正确且无解码错误,H1表示调制方式识别错误或存在至少一位错误解码。
3.如权利要求1所述的基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法,其特征在于:所述步骤2具体如下:
步骤2.1:计算参考信号和观测信号的相关序列z(n)=x(n)y(n),x(n)表示观测信号,y(n)表示参考信号;
步骤2.2:对相关序列去均值后得到零均值的相关序列zm(n),对零均值的相关序列作DFT变换并取模,得到平方相关谱R(k)=|DFT[zm(n)]|2,0≤k≤N-1,N为样本点数;
4.如权利要求3所述的基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法,其特征在于:所述步骤3具体如下:
步骤3.1:根据分组极值序列Z1及相关谱超阈值序列Z2,基于高斯Copula模型得到两个随机变量的联结概率密度函数c0[F1(z1),F2(z2)]:
式中,Φ-1(u)、Φ-1(v)表示标准正态分布函数的逆,u=F1(z1),v=F2(z2),ρ∈[-1,1]为高斯Copula的相关系数;
步骤3.2:基于单分类准则,获取检验统计量TOC:
式中,f(zL)=f(z1,z2)=f1(z1)f2(z2)c0[F1(z1),F2(z2)]为联合概率密度函数,zL是指由Z1及Z2构成的随机向量,f1(z1),f2(z2)分别表示Z1、Z2的边缘概率密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075526.8A CN112235077B (zh) | 2020-10-09 | 2020-10-09 | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075526.8A CN112235077B (zh) | 2020-10-09 | 2020-10-09 | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112235077A CN112235077A (zh) | 2021-01-15 |
CN112235077B true CN112235077B (zh) | 2021-07-27 |
Family
ID=74121083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011075526.8A Active CN112235077B (zh) | 2020-10-09 | 2020-10-09 | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112235077B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268386B (zh) * | 2021-12-24 | 2023-06-30 | 金陵科技学院 | 一种基于贝蒂数特征的微弱信号检测方法 |
CN115225438B (zh) * | 2022-07-07 | 2023-05-26 | 金陵科技学院 | 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003241066A1 (en) * | 2002-05-23 | 2004-06-15 | Indian Institute Of Technology, Dehli | Blind detection of bpsk signals in a multi-user environment |
CN104869096B (zh) * | 2015-04-30 | 2018-02-06 | 南京信息职业技术学院 | 基于Bootstrap的BPSK信号盲处理结果可信性检验方法 |
CN106443604B (zh) * | 2016-09-22 | 2018-09-21 | 金陵科技学院 | Lfm/bpsk混合调制信号盲处理结果的校验方法 |
CN106411803B (zh) * | 2016-09-22 | 2019-08-27 | 金陵科技学院 | 基于顺序统计量特征的混合调制信号盲处理结果校验方法 |
CN108988987B (zh) * | 2018-06-14 | 2021-02-26 | 金陵科技学院 | 基于极值似然比的复杂调制信号处理结果可信性校验方法 |
-
2020
- 2020-10-09 CN CN202011075526.8A patent/CN112235077B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112235077A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112235077B (zh) | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 | |
CN106411803B (zh) | 基于顺序统计量特征的混合调制信号盲处理结果校验方法 | |
CN108512791B (zh) | 基于定时频偏补偿的星载ais解调方法 | |
CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN106130942A (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
CN108988987B (zh) | 基于极值似然比的复杂调制信号处理结果可信性校验方法 | |
CN107607920B (zh) | 基于gp分布拟合检验的复合调制信号分析结果校验方法 | |
CN108737318B (zh) | 基于信号结构特性的ofdm信号识别方法及系统 | |
CN106443604A (zh) | Lfm/bpsk混合调制信号盲处理结果的校验方法 | |
CN103607370B (zh) | 一种复bpsk信号盲处理结果的可信性评估方法 | |
CN104869096B (zh) | 基于Bootstrap的BPSK信号盲处理结果可信性检验方法 | |
CN108881084B (zh) | 一种基于gp分布的bpsk/qpsk信号识别方法 | |
CN112737992A (zh) | 一种水声信号调制方式自适应类内识别方法 | |
Mankun et al. | A new time-frequency spectrogram analysis of FH signals by image enhancement and mathematical morphology | |
CN110602009B (zh) | 基于cfar准则的bpsk盲分析结果的可信性评估方法 | |
Han et al. | Network traffic anomaly detection using weighted self-similarity based on EMD | |
CN105656511B (zh) | 一种适应于有频偏和低信噪比环境下的差分相关捕获方法 | |
CN102307166B (zh) | 一种信噪比估计方法 | |
CN111490956A (zh) | 一种基于一阶循环平稳性的mfsk调制识别方法 | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
CN113014361B (zh) | 一种基于图的bpsk信号置信度检验方法 | |
CN110730146B (zh) | 基于bm模型的bpsk信号盲处理结果可信性评估方法 | |
CN104270328A (zh) | 一种信噪比实时估计方法 | |
CN111147168B (zh) | 一种功率谱和统计融合的信号检测方法 | |
CN110602010B (zh) | 基于pot模型的bpsk信号盲处理结果可信性评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |