【技术实现步骤摘要】
本专利技术涉及显示，尤其涉及一种基于星座图特征的数字调制方式识别方法。
技术介绍
1、自动调制识别(automatic modulation recognition，amr)是非合作通信领域的一项重要技术，旨在噪声干扰和信号其他参数未知的情况下，对信号的调制方式做出判断，为后续的信号处理提供先验信息，这在军事、国家安全和民用领域中起着至关重要的作用。因此，具有高准确性和强鲁棒性的amr方法对于实际应用意义重大。
2、当前，amr研究主要分为基于似然和基于特征两类。其中，基于似然的amr具备更好的识别性能，但计算复杂性高和延迟大等缺陷限制了该方法在实际工程中的应用。而基于特征的方法主要分为隐式特征提取和显示特征提取两类。隐式特征提取通常基于神经网络实现，但由于泛化能力不足，现有的大多数神经网络方法不适用于非合作通信场景。显式特征通常从时域和频域提取，其中最具代表性的是信号的高阶累积量特征，但该特征易受到载波频偏和信道非理想特性的影响。相较于高阶累积量特征，频谱特征对载波频偏更具鲁棒性，但依旧面临着对信道敏感和低信噪比时识别准确率低等挑战。为了在变化的信道条件下保证识别方法鲁棒性，现有技术利用聚类来获取幅度特征。然而，现有技术中的k-medoids方法需要聚类数目这一先验信息，并且识别准确率低。此外，现有技术中的减法聚类方法需要进行指数运算，计算复杂度较高。
技术实现思路
1、为解决现有技术存在的局限和缺陷，本专利技术提供一种基于星座图特征的数字调制方式识别方法，包括：p>
2、步骤s1、计算接收信号y＝[y(1),y(2),...,y(n)]各个采样点的幅度，获得幅度向量x＝[x1,x2,...,xn]，其中xi表示第i个采样点y(i)的幅度，n表示接收信号y的采样点总数；
3、步骤s2、获得元素xi与其他元素的差异指标，表达式如下：
4、
5、其中，ra为常数；
6、步骤s3、在第k(k＝1,2,...)轮迭代中，获得向量d＝[d1,d2,...,dn]中的最大值选取对应的元素作为聚类中心，更新各个元素的差异指标，表达式如下：
7、
8、其中，rb为常数，表示聚类中心的差异指标，表示第k(k＝1,2,...)次迭代过程中的di，则表示第k+1次迭代的di；
9、步骤s4、在第n轮迭代前，对于向量d＝[d1,d2,...,dn]中的最大值比较与预设阈值δ的大小；
10、步骤s5、若比较结果为大于预设阈值δ，进行第n轮迭代；若比较结果为小于或等于预设阈值δ，停止迭代，得到n-1个聚类中心
11、步骤s6、根据元素到聚类中心的距离对幅度向量x中的所有元素进行分类；
12、步骤s7、将幅度向量x划分为预设数量的类，获得接收信号幅度相关特征nc；
13、步骤s8、获得最外圈星座点特征im；
14、步骤s9、根据接收信号幅度相关特征nc和最外圈星座点特征im对数字调制方式进行识别；
15、步骤s10、输出识别结果。
16、可选的，所述步骤s8包括：
17、从所有聚类中心之中获得幅度值最大的聚类中心确定归属于的采样点为最外圈星座点；
18、设定共有l个外圈星座点，获得外圈星座点z＝[z(1),z(2),...,z(l)]，计算外圈星座点z的m次幂的傅里叶变换结果sm(k)，表达式如下：
19、
20、获得二元变量im，用于记录sm(k)中的谱线存在性，表达式如下：
21、
22、其中，二元变量im为最外圈星座点特征im。
23、可选的，所述步骤s6包括：
24、遍历幅度向量x中所有元素，计算元素xi与各个聚类中心的距离，获得最小距离对应的聚类中心，将元素xi划分至对应的聚类中心所在的类。
25、本专利技术具有下述有益效果：
26、本专利技术提供一种基于星座图特征的数字调制方式识别方法。首先，本专利技术使用聚类算法获取星座点的幅度相关特征，不依赖信号的先验信息，使用乘法运算取代指数运算，降低了计算复杂度。其次，本专利技术提取最外圈星座点进行后续处理，提高了聚类算法鲁棒性的同时进一步降低了计算复杂度。由于高次方谱对于载波频偏和信道非理想特性更具鲁棒性，因此本专利技术从最外圈星座点的高次方谱中提取特征。因此，本专利技术提供的技术方案提高了数字调制方式识别方法的鲁棒性和准确性，降低了计算复杂度，具有良好的实用价值。
本文档来自技高网...【技术保护点】
1.一种基于星座图特征的数字调制方式识别方法，其特征在于，包括：
2.根据权利要求1所述的基于星座图特征的数字调制方式识别方法，其特征在于，所述步骤S8包括：
3.根据权利要求2所述的基于星座图特征的数字调制方式识别方法，其特征在于，所述步骤S6包括：
【技术特征摘要】
1.一种基于星座图特征的数字调制方式识别方法，其特征在于，包括：
2.根据权利要求1所述的基于星座图特征的数字调制方式识别方法...
【专利技术属性】
技术研发人员：徐文波，于靖远，黄琦，冯永远，张舸，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。