CN112600775A - 一种基于循环相关熵谱谱峰位置的调制方式识别方法 - Google Patents
一种基于循环相关熵谱谱峰位置的调制方式识别方法 Download PDFInfo
- Publication number
- CN112600775A CN112600775A CN202011293268.0A CN202011293268A CN112600775A CN 112600775 A CN112600775 A CN 112600775A CN 202011293268 A CN202011293268 A CN 202011293268A CN 112600775 A CN112600775 A CN 112600775A
- Authority
- CN
- China
- Prior art keywords
- correlation entropy
- spectrum
- modulation mode
- cyclic
- entropy spectrum
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 56
- 125000004122 cyclic group Chemical group 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
一种基于循环相关熵谱谱峰位置的调制方式识别方法,属于循环平稳信号处理领域,主要包括:通过公式计算无线电信号的循环相关熵,它是相关熵的傅里叶级数的系数;通过公式计算无线电信号的循环相关熵谱,它是循环相关熵的傅里叶变换;选取若干循环相关熵谱谱峰位置,并生成循环相关熵谱谱峰位置的俯视图;采用卷积神经网络对循环相关熵谱谱峰位置的俯视图进行分类,实现调制方式的识别。实验证明本发明的算法性能良好,能够在脉冲噪声存在的条件下对无线电信号进行调制方式识别。
Description
技术领域
本发明属于循环平稳信号处理技术领域,涉及到无线电信号的调制方式识别方法,特别涉及到基于循环相关熵谱的调制方式识别方法。
背景技术
调制方式识别方法是对无线电信号的调制方式进行识别的方法,它是信号检测与解调之间必不可少的中间步骤,也是无线电信号处理领域的重要技术之一,故而被广泛应用于民用和军用领域,主要包括:认知无线电、软件无线电和无线电监测等。传统的调制方式识别方法主要基于最大似然假设检验或者基于特征的模式识别。但是在复杂电磁环境下,上述调制方式识别方法的性能会退化,甚至失效。针对该问题,本发明提出基于循环相关熵谱谱峰位置的调制方式识别方法,该方法为解决脉冲性噪声和同频带干扰并存条件下的调制方式识别问题提供了切实可行的方法。
发明内容
本发明的目的是提供一种基于循环相关熵谱谱峰位置的调制方式识别方法。
本发明的技术方案具体如下:
一种基于循环相关熵谱谱峰位置的调制方式识别方法,包括:
S1:计算无线电信号的循环相关熵;
S2:计算无线电信号的循环相关熵谱;
S3:选取若干循环相关熵谱谱峰位置,并生成循环相关熵谱谱峰位置的俯视图;
S4:采用卷积神经网络对循环相关熵谱谱峰位置的俯视图进行分类,实现调制方式的识别。
进一步的,所述步骤S1包括:
S1-1:计算无线电信号的相关熵;
S1-2:根据相关熵计算无线电信号的循环相关熵。
进一步的,所述步骤S1-1包括:按照公式ux(t,τ)=E[κσ(x(t)-x(t+τ))]计算信号的相关熵,其中x(t)是信号,τ表示信号的时延,E表示数学期望操作符,кσ表示高斯核函数,кσ(·) 表示高斯核函数,它满足:
其中σ表示高斯核长。
其中<T>表示被积分的区间长度为T,ξ表示循环频率,<·>t表示求时间平均。
进一步的,所述步骤S2具体包含以下步骤:
根据公式(3)计算无线电信号的循环相关熵谱Sx(ξ,f)
进一步的,所述步骤S3包括:
先把循环相关熵谱最高谱峰所在的行和列的循环相关熵谱置零,然后再把循环相关熵谱最高谱峰置1,再选取一个参数η作为阈值,把Sx(ξ,f)>η的循环相关熵谱置1,最后用其生成俯视图。
与现有技术相比,本发明的有益技术效果:
本发明提出基于循环相关熵谱谱峰位置的调制方式识别方法,该方法为解决脉冲性噪声和同频带干扰并存条件下的调制方式识别问题提供了切实可行的方法,实验证明本发明的算法性能良好,能够在脉冲噪声存在的条件下对无线电信号进行调制方式识别。
附图说明
图1是4种无线电信号的循环相关熵谱,其中,无线电信号分别为2PSK、8PSK、2ASK和MSK。
图2是4种无线电信号的循环相关熵谱谱峰位置的俯视图,其中,无线电信号分别为2PSK、 8PSK、2ASK和MSK。
图3是本发明涉及方法的调制方式识别的准确率曲线,其中稳定分布噪声的特征指数α=1.2,广义信噪比(generalized signal-to-ratio,GSNR)的范围是GSNR∈[-5,15]dB。其中,无线电信号分别为2PSK、8PSK、2ASK和MSK。
图4本发明涉及方法的调制方式识别21种条件下累加得到的混淆矩阵,其中每种条件下有2000个样本,每种调制方式共计42000个样本,稳定分布噪声的特征指数α=1.2,广义信噪比的范围是GSNR∈[-5,15]dB。其中,无线电信号分别为2PSK、8PSK、2ASK和MSK。
具体实施方式
为了便于理解,下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行详细描述。
一种基于循环相关熵谱谱峰位置的调制方式识别方法,主要包括以下步骤: S1:计算信号的循环相关熵:
首先,按照公式ux(t,τ)=E[κσ(x(t)-x(t+τ))]计算信号的相关熵,其中x(t)是信号,τ表示信号的时延,E表示数学期望操作符,кσ表示高斯核函数,кσ(·)表示高斯核函数,它满足:
其中σ表示高斯核长。
其中<T>表示被积分的区间长度为T,ξ表示循环频率,<·>t表示求时间平均。
如图1所示,4种的无线电信号具有不同的循环相关熵谱:
S2:计算信号的循环相关熵谱:
根据公式(6)计算无线电信号的循环相关熵谱Sx(ξ,f),它是循环相关熵的傅里叶变换。
如图2所示,4种的无线电信号具有不同的循环相关熵谱谱峰位置的俯视图:
S3:生成信号的循环相关熵谱的俯视图:
先把循环相关熵谱最高谱峰所在的行和列的循环相关熵谱置零,然后再把循环相关熵谱最高谱峰置1,再选取一个参数η作为阈值,把Sx(ξ,f)>η的循环相关熵谱置1,最后用其生成俯视图。
S4:采用卷积神经网络进行分类:
采用卷积神经网络对循环相关熵谱谱峰位置的俯视图进行分类,实现调制方式的识别。
如图3所示:本发明涉及方法的调制方式识别的准确率曲线,其中稳定分布噪声的特征指数α=1.2,广义信噪比的范围是GSNR∈[-5,15]dB。其中,无线电信号分别为2PSK、8PSK、2ASK和MSK。
如图4所示:本发明涉及方法的调制方式识别21种条件下累加得到的混淆矩阵,其中每种条件下有2000个样本,每种调制方式共计42000个样本,稳定分布噪声的特征指数α=1.2,广义信噪比的范围是GSNR∈[-5,15]dB。其中,无线电信号分别为2PSK、8PSK、 2ASK和MSK。
以上结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种基于循环相关熵谱谱峰位置的调制方式识别方法,其特征在于,包括以下步骤:
S1:计算无线电信号的循环相关熵;
S2:计算无线电信号的循环相关熵谱;
S3:选取若干循环相关熵谱谱峰位置,并生成循环相关熵谱谱峰位置的俯视图;
S4:采用卷积神经网络对循环相关熵谱谱峰位置的俯视图进行分类,实现调制方式的识别。
2.如权利1所述的一种基于循环相关熵谱谱峰位置的调制方式识别方法,其特征在于,所述步骤S1包括:
S1-1:计算无线电信号:相关熵;
S1-2:计算无线电信号的循环相关熵。
6.如权利1所述的一种基于循环相关熵谱谱峰位置的调制方式识别方法,其特征在于,所述步骤S3包括:
先把循环相关熵谱最高谱峰所在的行和列的循环相关熵谱置零,然后再把循环相关熵谱最高谱峰置1,再选取一个参数η作为阈值,把Sx(ξ,f)>η的循环相关熵谱置1,最后用其生成俯视图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011293268.0A CN112600775A (zh) | 2020-11-18 | 2020-11-18 | 一种基于循环相关熵谱谱峰位置的调制方式识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011293268.0A CN112600775A (zh) | 2020-11-18 | 2020-11-18 | 一种基于循环相关熵谱谱峰位置的调制方式识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112600775A true CN112600775A (zh) | 2021-04-02 |
Family
ID=75183247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011293268.0A Pending CN112600775A (zh) | 2020-11-18 | 2020-11-18 | 一种基于循环相关熵谱谱峰位置的调制方式识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112600775A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130942A (zh) * | 2016-07-05 | 2016-11-16 | 东南大学 | 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 |
CN110321953A (zh) * | 2019-07-03 | 2019-10-11 | 中山大学 | 基于循环谱估计的深度学习智能调制识别方法 |
CN111191515A (zh) * | 2019-12-05 | 2020-05-22 | 中国电力科学研究院有限公司 | 一种基于深度学习的高精度频谱识别方法及系统 |
-
2020
- 2020-11-18 CN CN202011293268.0A patent/CN112600775A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130942A (zh) * | 2016-07-05 | 2016-11-16 | 东南大学 | 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 |
CN110321953A (zh) * | 2019-07-03 | 2019-10-11 | 中山大学 | 基于循环谱估计的深度学习智能调制识别方法 |
CN111191515A (zh) * | 2019-12-05 | 2020-05-22 | 中国电力科学研究院有限公司 | 一种基于深度学习的高精度频谱识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
戴江安等: "脉冲噪声下基于平滑循环相关熵谱的调制识别方法", 《通信学报》 * |
陈兴: "复杂电磁环境下无线信源的参数估计与调制识别", 《中国优秀硕士学位论文全文网》, pages 16 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9042496B1 (en) | Signal modulation scheme determination through an at least fourth-order noise-insensitive cumulant | |
CN111722188B (zh) | 基于stft预分选的pri变换雷达信号分选方法 | |
Zeng et al. | Automatic modulation classification of radar signals using the generalised time-frequency representation of Zhao, Atlas and Marks | |
CN111090077B (zh) | 多维度去交错后的toa差分统计雷达信号分选方法 | |
CN106443604A (zh) | Lfm/bpsk混合调制信号盲处理结果的校验方法 | |
CN112364729A (zh) | 基于特征参数与bp神经网络的调制识别方法 | |
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 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
CN112347871A (zh) | 一种用于通信载波监视系统的干扰信号调制识别方法 | |
CN104869096B (zh) | 基于Bootstrap的BPSK信号盲处理结果可信性检验方法 | |
CN106357574A (zh) | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 | |
CN106506427B (zh) | 一种基于folp的stbc-ofdm信号盲识别方法 | |
Chen et al. | GNSS interference type recognition with fingerprint spectrum DNN method | |
CN104767700B (zh) | 一种基于相位谱特征的bpsk信号处理结果可信性评估方法 | |
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 | |
CN112613443A (zh) | 一种基于深度学习的鲁棒性通信辐射源智能识别方法 | |
CN115622841A (zh) | 一种基于小波变换的数字基带信号码元速率估计方法 | |
CN112600775A (zh) | 一种基于循环相关熵谱谱峰位置的调制方式识别方法 | |
CN109709581B (zh) | 一种卫星导航信号强干扰循环特征参数快速检测获取方法 | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
CN111371510A (zh) | 一种复杂电磁环境下的通信测试方法 | |
CN115356692A (zh) | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 | |
CN102546116B (zh) | 基于压缩感知的跳频信号盲检测方法 | |
Fadul et al. | An analysis of process parameters for the optimization of specific emitter identification under rayleigh fading | |
CN112333123B (zh) | 非合作psk水声通信信号多小波基自动优选基带解调方法 |
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 |