【技术实现步骤摘要】
本专利技术涉及通信，尤其涉及一种基于瞬时频率两步聚类的mfsk类调制识别方法。
技术介绍
1、调制识别技术是利用信号先验信息或统计信息，对信号的调制方式进行识别的技术，正确识别信号的调制方式是实现信号解调的前提。频移键控(frequency shiftkeying，fsk)信号因其较为良好的抗干扰性能，被广泛应用于海、陆、空交通及军事通信等领域，在无线通信中起着举足轻重的作用。然而在非合作通信的条件下，复杂的通信环境使得信道变得恶劣，诸如大多普勒频偏、非线性效应等信道特性，使得对多进制频移控(multiple frequency shift keying，mfsk)信号的类内识别变得困难。为了解决上述问题，设计在复杂通信条件下具有良好鲁棒性的mfsk类内识别方案尤为重要。
2、传统mfsk类内识别方案通常通过提取信号的统计特征来实现，例如瞬时频率均值、高阶累积量、功率谱熵、小波变换熵等。这类方案采用的算法原理相对简单，且门限易于划分。但这类方法均具有明显的局限性。例如当两种fsk信号的调制指数相差较大时，基于瞬时频率均值的方案难以对fsk信号的阶数做出正确判决；基于高阶累积量的方案以及基于变换域熵的方案则均无法有效对抗信道畸变。因此该类方案的普适性仍有提升空间。
3、另一方面，随着人工智能技术的发展，基于机器学习的mfsk类内识别算法逐渐称为新兴研究课题。这类算法包括基于支持向量机、基于残差神经网络、基于多特征融合网络等算法。但基于人工智能技术的算法通常需要大量带有标签的训练数据，这在非合作通信情景下是极
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瞬时频率两步聚类的mfsk类调制识别方法，包括：
2、步骤s1、计算mfsk信号的线性相位，所述mfsk信号包括2fsk信号、4fsk信号和8fsk信号；
3、步骤s2、根据线性相位计算所述mfsk信号的零中心瞬时频率；
4、步骤s3、使用减法聚类方法根据所述零中心瞬时频率的绝对值进行粗聚类运算，根据聚类中心的数量将所述2fsk信号区分出来；
5、步骤s4、计算每个零中心瞬时频率绝对值相对于每个聚类中心的欧式距离，根据所述欧式距离完成对所述零中心瞬时频率绝对值的重分组，获得重分组数据；
6、步骤s5、将所述重分组数据中同一组别的数据进行分块，对每块数据求平均得到重整数据；
7、步骤s6、使用减法聚类方法对所述重整数据进行细聚类运算，根据聚类中心的数量将所述4fsk信号和所述8fsk信号区分出来。
8、可选的，所述步骤s1包括：
9、对所述mfsk信号进行幅值归一化处理；
10、对所述mfsk信号设置实部i(i)和虚部q(i)，计算所述mfsk信号的瞬时相位，表达式如下：
11、
12、使用相位矫正序列将所述瞬时相位矫正为线性相位，表达式如下：
13、
14、其中，c(0)＝0；
15、定义线性相位序列为其中，θ(i)为瞬时相位，c(i)为线性相位。
16、可选的，所述步骤s2包括：
17、根据线性相位序列差分计算所述mfsk信号的瞬时频率，表达式如下：
18、
19、其中，fs为信号的采样率；
20、所述瞬时频率减去所述瞬时频率的均值，得到所述mfsk信号的零中心瞬时频率。
21、可选的，所述步骤s3包括：
22、计算元素xi与其他元素xj的密度指标，表达式如下：
23、
24、其中，半径ra为正数，用于定义元素xi的邻域；
25、在进行第一轮迭代时，首先选取密度指标最大的元素xm1作为第一个聚类中心，元素xm1对应的密度指标为dm1，之后根据如下表达式修正每个元素xi的密度指标：
26、
27、其中，常数rb用于定义密度指标的减小幅度大于预设阈值的邻域，rb大于ra；
28、在进行第k轮迭代时，根据如下表达式修正密度指标：
29、
30、设定预设的阈值δ，当dmk/dm1≤δ时，停止迭代过程，获得k-1个聚类中心；
31、根据聚类中心的数量将所述2fsk信号区分出来。
32、可选的，所述步骤s4包括：
33、计算每个零中心瞬时频率绝对值相对于每个聚类中心的欧式距离；
34、选择欧式距离最小的聚类中心作为判决结果；
35、根据所述判决结果将每个零中心瞬时频率绝对值分为两个组别，完成对数据的重分组，表达式如下：
36、
37、其中，g1为第一个组别，bn为第n个零中心瞬时频率绝对值，d1n为bn到聚类中心c1的欧式距离，d2n为bn到聚类中心c2的欧式距离，g2为第二个组别，bm为第m个零中心瞬时频率绝对值，d1m为bm到聚类中心c1的欧式距离，d2m为bm到聚类中心c2的欧式距离。
38、可选的，所述步骤s5包括：
39、将重分组数据按照组别分块求平均，对于同一组别的数据进行分块，对每块数据求平均得到重整数据，表达式如下：
40、
41、其中，l表示数据块长度，r1(i)表示组别g1的重整数据，表示属于组别g1的数据中的第k个数据，r2(i)表示组别g2的重整数据，表示属于组别g2的数据中的第k个数据。
42、可选的，所述步骤s6包括：
43、使用减法聚类方法对所述重整数据进行细聚类运算，将常数rb和阈值δ设置为预设值，实现信号的细聚类；
44、所述4fsk信号得到聚类中心的数量为2，所述8fsk信号得到聚类中心的数量大于或等于4，根据所述聚类中心的数量将所述4fsk信号和所述8fsk信号区分出来。
45、本专利技术具有下述有益效果：
46、本专利技术提供的基于瞬时频率两步聚类的mfsk类调制识别方法，在高动态多普勒频偏、非线性畸变的恶劣通信环境中实现mfsk信号的类内识别，具有良好的实用价值。针对2fsk、4fsk、8fsk三种常见的mfsk信号，本专利技术提供的技术方案能够在mfsk信号经过非线性、高动态多普勒频偏的信道时，对mfsk信号进行有效的类内识别。另外，本专利技术提供的技术方案对每组数据分块求平均，可以降低噪声、频率跳变、频率抖动等因素造成的影响，突出4fsk信号和8fsk信号的瞬时频率特征差异，实现4fsk信号和8fsk信号的识别。综上所述，本专利技术提供的技术方案实现在大多普勒频偏、非线性效应明显的信道条件下mfsk信号的类内识别，具有可靠的识别准确率，而且性能良好，在实际通信系统中具有良好的实用价值。
本文档来自技高网...【技术保护点】
1.一种基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，包括：
2.根据权利要求1所述的基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，所述步骤S1包括：
3.根据权利要求2所述的基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，所述步骤S2包括：
4.根据权利要求3所述的基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，所述步骤S3包括：
5.根据权利要求4所述的基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，所述步骤S4包括：
6.根据权利要求5所述的基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，所述步骤S5包括：
7.根据权利要求6所述的基于瞬时频率两步聚类的MFSK类调制识别方法，其特征在于，所述步骤S6包括：
【技术特征摘要】
1.一种基于瞬时频率两步聚类的mfsk类调制识别方法，其特征在于，包括：
2.根据权利要求1所述的基于瞬时频率两步聚类的mfsk类调制识别方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的基于瞬时频率两步聚类的mfsk类调制识别方法，其特征在于，所述步骤s2包括：
4.根据权利要求3所述的基于瞬时频率两步聚类的mfsk类调制识别...
【专利技术属性】
技术研发人员：徐文波，程继震，温景晖，田耘，曹坤，吴俊晗，
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。