RU2682304C1 - Способ распознавания типов манипуляции радиосигналов - Google Patents
Способ распознавания типов манипуляции радиосигналов Download PDFInfo
- Publication number
- RU2682304C1 RU2682304C1 RU2018113684A RU2018113684A RU2682304C1 RU 2682304 C1 RU2682304 C1 RU 2682304C1 RU 2018113684 A RU2018113684 A RU 2018113684A RU 2018113684 A RU2018113684 A RU 2018113684A RU 2682304 C1 RU2682304 C1 RU 2682304C1
- Authority
- RU
- Russia
- Prior art keywords
- manipulation
- phase
- signal
- quadrature
- values
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/80—Architectures of general purpose stored program computers comprising an array of processing units with common control, e.g. single instruction multiple data processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B14/00—Transmission systems not characterised by the medium used for transmission
- H04B14/002—Transmission systems not characterised by the medium used for transmission characterised by the use of a carrier modulation
Abstract
Изобретение относится к области обработки и распознавания радиосигналов, в частности к распознаванию типа манипуляции радиосигналов, и может быть использовано в радиотехнических устройствах для распознавания манипуляции радиосигналов. Техническим результатом является автоматическое распознавание типов манипуляции радиосигналов в условиях отсутствия высокоточной синхронизации по несущей частоте входного сигнала для широкого алфавита типов манипуляции (4-х уровневой импульсной амплитудной манипуляцией, двоичной фазовой, квадратурной фазовой, фазовой манипуляцией 8-го порядка, квадратурной манипуляцией 8-го, 16-го и 32-го порядка). Способ распознавания типов манипуляции радиосигналов отличается тем, что по значениям синфазной и квадратурной составляющей N отсчетов сигнала устраняют его расстройку по несущей частоте путем введения поправки на расстройку, которой соответствует максимальное значение модуля кумулянта С, рассчитывают значения кумулянтов Си Cи подают их на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов Си Ссигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая распознает сигналы. 3 ил., 1 табл.
Description
Изобретение относится к области обработки и распознавания радиосигналов, в частности к распознаванию типа манипуляции радиосигналов, и может быть использовано в радиотехнических устройствах для распознавания амплитудной, амплитудно-фазовой и фазовой манипуляции радиосигналов.
Известен способ автоматического распознавания типов манипуляции радиосигналов [1], в котором принятый аналоговый радиосигнал дискретизируют по времени, квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей N отсчетов сигнала рассчитывают кумулянты С40, С20, С22, значения которых подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов С40, С20, С22 сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая в автоматическом режиме распознает радиосигналы с амплитудной (AM), амплитудно-фазовой (КАМ), фазовой (ФМ) и частотной (ЧМ) манипуляцией.
Недостатком данного способа является ограниченность алфавита распознаваемых типов манипуляции радиосигналов четырьмя: AM, КАМ, ФМ иЧМ.
Наиболее близким к предлагаемому изобретению является известный способ [1], выбранный в качестве прототипа.
Данный способ не требует высокоточной синхронизации по несущей частоте, но позволяет распознавать только четыре типа манипуляции сигналов -AM, КАМ, ФМ и ЧМ, что не позволяет достигнуть указанного ниже технического результата.
Техническим результатом изобретения является расширение алфавита распознаваемых типов манипуляции радиосигналов с 4-х до 7, включающего:
4-х уровневую импульсную амплитудную манипуляцию (4-РАМ);
двоичную фазовую манипуляцию (PBSK);
квадратурную фазовую манипуляцию (QBSK);
фазовую манипуляцию 8-го порядка (8-PSK);
квадратурную манипуляцию 8-го порядка (8-QAK);
квадратурную манипуляцию 16-го порядка (16-QAK);
квадратурную манипуляцию 32-го порядка (32-QAK).
Указанный технический результат достигается тем, что принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей N отсчетов сигнала рассчитывают кумулянты, по значениям которых производят определение типа манипуляции, отличающийся тем, что по значениям синфазной и квадратурной составляющей N отсчетов сигнала устраняют его расстройку по несущей частоте путем введения поправки на расстройку, которой соответствует максимальное значение модуля кумулянта С40, рассчитывают значения кумулянтов С42 и С61 и подают их на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов С42 и С61 сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая распознает сигналы с 4-х уровневой импульсной амплитудной манипуляцией, двоичной фазовой, квадратурной фазовой, фазовой манипуляцией 8-го порядка, квадратурной манипуляцией 8-го, 16-го и 32-го порядка.
Технический результат достигается за счет устранения расстройки по несущей частоте на основе использования критерия максимума кумулянта С40, чувствительного к расстройке по несущей частоте, а так же использования новых признаков распознавания (кумулянтов С42 и C61). Для принятия решения, как и в прототипе, используется предварительно обученная нейронная сеть типа многослойный персептрон, которая показывает высокую эффективность построения многомерных разделяющих поверхностей. В соответствии со следствием из теоремы Колмогорова-Арнольда-Хехт-Нильсена любую многомерную функцию нескольких переменных можно представить с помощью двухслойной нейронной сети с прямыми полными связями фиксированной размерности [2].
Способ иллюстрируется следующими чертежами.
Фиг. 1. Зависимости модуля кумулянта С40 радиосигналов с типами манипуляции BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM и 32-QAM от абсолютного изменения фазы сигнала в течение выборки.
Фиг. 2. Распределение значений модулей кумулянтов С42 и C61 радиосигналов с типами манипуляции BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM и 32-QAM и разделяющие поверхности, сформированные при обучении нейронной сети.
Фиг. 3. Нейронная сеть типа многослойный персептрон.
Цифрами на фиг.3 обозначены:
1 - входной слой;
2 - скрытый слой;
3 - выходной слой.
Заявленный способ распознавания типов манипуляции радиосигналов заключается в последовательном выполнении следующих действий:
1. Принятый аналоговый радиосигнал, имеющий длительность Ts, дискретизируют по времени с шагом td и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, в результате чего получают массив из N комплексных отсчетов сигнала.
2. По значениям N оцифрованных отсчетов устраняют расстройку по несущей частоте входного сигнала sвх, для чего производится принудительная расстройка его частоты с фиксированным шагом расстройки Δƒ в диапазоне ожидаемой расстройки с расчетом кумулянта С40 сигнала для каждого значения расстройки. Критерием минимальной расстройки является максимальное значение модуля кумулянта С40.
Диапазон ожидаемой расстройки имеет нижнюю Fmin и верхнюю Fmax границы. Шаг расстройки Δƒ выбирается равным
где Δϕ - абсолютное изменение фазы сигнала за время Ts, выбираемое в интервале (0.1, 0.2).
Расстройка по частоте осуществляется поэлементным умножением массива отсчетов входного сигнала на функцию sΔ
s0=sвхsΔ,
ƒ=Fmin, Fmin+Δƒ, Fmin+2Δƒ, … Fmax;
t=0, td, 2td, (N-l)td;
Для каждого сигнала s0 производится расчет кумулянта С40 [3]
где Мpr - совместные моменты порядков pr, рассчитываемые по формуле
s - исходной сигнал, состоящий из N отсчетов.
Методом полного перебора значений расстроек из заданного диапазона значений определяется расстройка, которой соответствует максимальное значение модуля кумулянта С40. Сигнал, соответствующий данной расстройке, обозначается sвых и используется на последующем этапе.
3. Для сигнала sвых с устраненной расстройкой по несущей частоте рассчитывают модули значений кумулянтов С42 и С61 [3]
Моменты, входящие в выражения для расчета кумулянтов, вычисляют в соответствии с (1).
4. Рассчитанные значения модулей кумулянтов С42 и C61 подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов сигналов обучающей выборки нейронную сеть типа многослойный персептрон (Фиг. 3).
5. Нейронная сеть формирует на своих выходах значения. Решение о распознавании типа манипуляции сигнала принимается по номеру выхода нейронной сети имеющем максимальное значение.
Предварительное обучение нейронной сети осуществляется с использованием метода обратного распространения ошибки в следующей последовательности.
Для обучения нейронной сети используется набор обучающих выборок, состоящий из двух составляющих: входной и целевой. Входная составляющая представляет собой пары модулей кумулянтов С42 и С61 рассчитанные для сигналов с типами модуляций BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM и 32-QAM, а целевая - желаемое состояние выходов нейронной сети, соответствующее входной составляющей выборки. По обучающей выборке производится обучение нейронной сети по критерию малости ошибки выходного слоя. Настраиваемыми параметрами нейронной сети являются весовые связи ее ячеек.
По результатам обучения, при подаче на вход не зашумленного сигнала с заданным типом манипуляции, на одном из выходов нейронной сети формируется значение, равное 1, а на всех остальных 0.
Нейронная сеть типа двуслойный персептрон (фиг. 3) имеет два нейрона входного слоя 1, десять нейронов скрытого слоя 2 и семь нейронов выходного слоя 3. Функция активации нейронной сети - сигмоида.
Приведенные в таблице 1 результаты распознавания получены методом имитационного моделирования при следующих исходных данных.
число выборок сигналов по каждому виду модуляции 1000;
число отсчетов сигнала N=2000;
отношение сигнал/шум - случайная величина, равномерно распределенная в интервале (5, 30) дБ;
начальная фаза сигнала - случайная.
Преимущество изобретения состоит в том, что по сравнению с прототипом заявленный способ позволяет решать задачу автоматического распознавания типов манипуляции радиосигналов для более широкого алфавита типов манипуляции. Заявляемый способ позволяет распознавать различные типы одночастотной манипуляции (BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM, 32-QAM) с вероятностью не ниже 0.85 при отношении сигнал/шум не хуже 5 дБ.
Литература
1. RU 2510077.
2. Hecht-Nielsen R. Kolmogorov's Mapping Neural Network Existence Theorem // IEEE First Annual Int. Conf. on Neural Networks, San Diego, 1987, Vol. 3, pp. 11-13.
3. William H. Clark IV. Blind comprehension of waveforms through statistical observations. Robert W. McGwier, Chair T. Charles Clancy R. Michael Buehrer. Blacksburg, Virginia, 2014. pp. 12.
Claims (1)
- Способ распознавания типов манипуляции радиосигналов, заключающийся в том, что принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей N отсчетов сигнала рассчитывают кумулянты, по значениям которых производят определение типа манипуляции, отличающийся тем, что по значениям синфазной и квадратурной составляющей N отсчетов сигнала устраняют его расстройку по несущей частоте путем введения поправки на расстройку, которой соответствует максимальное значение модуля кумулянта С40, рассчитывают значения кумулянтов С42 и C61 и подают их на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов С42 и С61 сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая распознает сигналы с 4-х уровневой импульсной амплитудной манипуляцией, двоичной фазовой, квадратурной фазовой, фазовой манипуляцией 8-го порядка, квадратурной манипуляцией 8-го, 16-го и 32-го порядка.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018113684A RU2682304C1 (ru) | 2018-04-13 | 2018-04-13 | Способ распознавания типов манипуляции радиосигналов |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018113684A RU2682304C1 (ru) | 2018-04-13 | 2018-04-13 | Способ распознавания типов манипуляции радиосигналов |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2682304C1 true RU2682304C1 (ru) | 2019-03-18 |
Family
ID=65805639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2018113684A RU2682304C1 (ru) | 2018-04-13 | 2018-04-13 | Способ распознавания типов манипуляции радиосигналов |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2682304C1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2713693C1 (ru) * | 2019-05-28 | 2020-02-06 | Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский институт Воздушно-космических сил" Министерства обороны Российской Федерации (ФГБУ "ЦНИИ ВКС" Минобороны России) | Устройство автоматического распознавания типов манипуляции радиосигналов |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5271036A (en) * | 1990-11-16 | 1993-12-14 | Thomson-Csf | Method and device for the recognition of modulations |
WO2008113202A1 (en) * | 2007-03-16 | 2008-09-25 | Thomson Licensing | Apparatus and method for classifying modulations in multipath environments |
RU2510077C2 (ru) * | 2012-04-20 | 2014-03-20 | Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования Московский технический университет связи и информатики (ФГОБУ ВПО МТУСИ) | Способ и устройство автоматического распознавания типов манипуляции радиосигналов |
RU2619717C1 (ru) * | 2016-05-23 | 2017-05-17 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Способ и устройство автоматического распознавания типа манипуляции радиосигналов |
RU2622846C1 (ru) * | 2016-06-15 | 2017-06-20 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Способ автоматического распознавания типа манипуляции радиосигналов |
-
2018
- 2018-04-13 RU RU2018113684A patent/RU2682304C1/ru not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5271036A (en) * | 1990-11-16 | 1993-12-14 | Thomson-Csf | Method and device for the recognition of modulations |
WO2008113202A1 (en) * | 2007-03-16 | 2008-09-25 | Thomson Licensing | Apparatus and method for classifying modulations in multipath environments |
RU2510077C2 (ru) * | 2012-04-20 | 2014-03-20 | Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования Московский технический университет связи и информатики (ФГОБУ ВПО МТУСИ) | Способ и устройство автоматического распознавания типов манипуляции радиосигналов |
RU2619717C1 (ru) * | 2016-05-23 | 2017-05-17 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Способ и устройство автоматического распознавания типа манипуляции радиосигналов |
RU2622846C1 (ru) * | 2016-06-15 | 2017-06-20 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Способ автоматического распознавания типа манипуляции радиосигналов |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2713693C1 (ru) * | 2019-05-28 | 2020-02-06 | Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский институт Воздушно-космических сил" Министерства обороны Российской Федерации (ФГБУ "ЦНИИ ВКС" Минобороны России) | Устройство автоматического распознавания типов манипуляции радиосигналов |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ramjee et al. | Fast deep learning for automatic modulation classification | |
CN111767848B (zh) | 一种基于多域特征融合的辐射源个体识别方法 | |
Zaknich | Introduction to the modified probabilistic neural network for general signal processing applications | |
Wong et al. | Automatic digital modulation recognition using artificial neural network and genetic algorithm | |
Suresh et al. | A sequential learning algorithm for complex-valued self-regulating resource allocation network-CSRAN | |
Hikawa | A digital hardware pulse-mode neuron with piecewise linear activation function | |
Kong et al. | Differential competitive learning for centroid estimation and phoneme recognition | |
US5588091A (en) | Dynamically stable associative learning neural network system | |
WO2020124902A1 (zh) | 基于有监督学习听觉注意的语音提取方法、系统、装置 | |
CN109086653B (zh) | 手写模型训练方法、手写字识别方法、装置、设备及介质 | |
Che et al. | Spatial-temporal hybrid feature extraction network for few-shot automatic modulation classification | |
WO1990014631A1 (en) | Dynamically stable associative learning neural system | |
Nguyen et al. | Neural network structure for spatio-temporal long-term memory | |
CN108985442B (zh) | 手写模型训练方法、手写字识别方法、装置、设备及介质 | |
Li et al. | Automatic modulation classification based on bispectrum and CNN | |
CN110991623A (zh) | 基于数模混合神经元的神经网络运算系统 | |
RU2682304C1 (ru) | Способ распознавания типов манипуляции радиосигналов | |
Zhang et al. | A deep learning approach for modulation recognition | |
Adzhemov et al. | Type recognition of the digital modulation of radio signals using neural networks | |
RU2510077C2 (ru) | Способ и устройство автоматического распознавания типов манипуляции радиосигналов | |
CN112133323A (zh) | 一种空间结构性特征相关的无监督分类与有监督修正融合的语音分离方法 | |
Čerňanský et al. | Predictive modeling with echo state networks | |
RU2622846C1 (ru) | Способ автоматического распознавания типа манипуляции радиосигналов | |
Singh et al. | Cloud Hopfield neural network: Analysis and simulation | |
CN113298031B (zh) | 一种考虑信号物理和时序特性的信号调制识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200414 |