專利名稱：一種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法
技術(shù)領域：
本發(fā)明涉及ー種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法，屬于無線通信技術(shù)領域。
背景技術(shù)：
隨著電子技術(shù)和通信技術(shù)的快速發(fā)展，為了更加充分地利用通信資源，通信信號的調(diào)制方式更加多祥化、復雜化。通信的環(huán)境的不斷變化，讓同一個空間里的信號越來越密集。在很多領域(例如電子偵察領域、頻譜監(jiān)測領域)，接收機接收到的是ー個或者多個未知信號，對感興趣的信號除了要監(jiān)測信號、估計參數(shù)以外，還需要判斷信號的調(diào)制類型，并在這個基礎上完成信號解調(diào)，威脅評估等干擾識別等 其他通信任務。因此，通信識別是通信應用中的ー個重要課題。數(shù)據(jù)融合是利用計算機對各種信息源進行處理、控制和決策的一體化過程，數(shù)據(jù)融合是對信息源做檢測、相關(guān)、識別和估計的處理。數(shù)據(jù)融合結(jié)構(gòu)的分類方法有多種，第一種分類方法是根據(jù)對原始數(shù)據(jù)處理方法的不同分為三種處理結(jié)構(gòu)集中式處理結(jié)構(gòu)、分布式處理結(jié)構(gòu)以及混合式處理結(jié)構(gòu)；第二種方法是按照數(shù)據(jù)抽象的三個層次分為像素級融合，特征級融合和決策級融合。像素級融合(也稱為數(shù)據(jù)級融合)是直接在采集到的原始數(shù)據(jù)層上進行的融合，在各種傳感器的原始的未經(jīng)預處理之前就進行數(shù)據(jù)的綜合和分析，優(yōu)點是能夠保持盡可能多的現(xiàn)場數(shù)據(jù)，缺點是對數(shù)據(jù)傳輸帶寬、數(shù)據(jù)之間配準的精度要求較高，限制了它的應用。特征級融合是屬于中間層次的融合，它的實質(zhì)是模式識別問題。數(shù)據(jù)級融合，特征級融合的信息量大大地壓縮了，這樣有利于實時地處理，并且所提取的特征直接與決策分析有關(guān)，因此，融合的結(jié)果可以最大限度地給出決策分析所需要的特征信息。決策級融合相對前兩級融合而言，是ー種高層次的融合。決策級在融合之前，同一目標不同類型的傳感器的信號處理模塊能夠完成包括特征提取，識別或者判決分類等任務。決策級融合在信息處理方面具有很高的靈活性，系統(tǒng)對信息傳送的帶寬要求較低，能有效地反映環(huán)境或目標各個側(cè)面的不同類型信息，通信量小，抗干擾能力強，融合中心處理代價低。但是，由于這種方法首先要對原傳感器信息進行預處理以得到各自的判定結(jié)果，所以也就導致了預處理代價高。另外，現(xiàn)有的決策級融合多采用投票表決策略識別調(diào)制信號，并且沒有考慮系統(tǒng)中識別的先驗情況。投票表決策略依賴于各個接收節(jié)點獨立的判斷結(jié)果，沒有考慮多個接收節(jié)點判斷結(jié)果的相互影響，這降低了調(diào)制信號識別的準確度。目前，大多數(shù)調(diào)制識別研究都僅限于單節(jié)點，但是隨著通信技術(shù)日益的發(fā)展，調(diào)制方式和信號的體制日益増加，另外無線通信環(huán)境的復雜多變，存在著深衰落、陰影衰落和隱藏節(jié)點等問題，使得單節(jié)點的信號調(diào)制識別結(jié)果不穩(wěn)定，尤其是在低信噪比下識別率很低。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是針對上述背景技術(shù)的不足，提供了一種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法。本發(fā)明為實現(xiàn)上述發(fā)明目的采用如下技術(shù)方案
ー種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法，通過N個接收節(jié)點協(xié)作來完成對2服’ 2 ASK r4 FSK APSK A ASK ,OFDM這六種調(diào)制方式的識別，包括如下步驟
步驟1，N個接收節(jié)點對待識別信號進行采樣，每個接收節(jié)點分別提取采樣點信號的瞬時幅度參數(shù)、瞬時相位參數(shù)、瞬時頻率參數(shù)，N為大于I的整數(shù)；
步驟2，根據(jù)步驟I獲取的各接收節(jié)點獲取的采樣信號的瞬時幅度參數(shù)、瞬時相位參數(shù)、瞬時頻率參數(shù)計算識別調(diào)制方式的特征參數(shù)； 其中，所述識別調(diào)制方式的特征參數(shù)包括零中心歸ー化瞬時幅度之譜密度的最大值、零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差、零中心非弱信號段瞬時相位非線性分量的標準偏差、零中心歸ー化瞬時幅度絕對值的標準偏差、ニ階矩陣和四階矩陣的組合參數(shù)；
步驟3，采用基于ニ叉樹決策的多類支持向量機構(gòu)造三層次分類SVM區(qū)分各種調(diào)制方
式；
步驟4，將步驟I中各個接收節(jié)點采集的信息作為基于ニ叉樹決策的多類支持向量機的訓練樣本，利用訓練樣本對基于ニ叉樹決策的多類支持向量機進行訓練，得到各接收節(jié)點的判斷結(jié)果；
步驟5，根據(jù)步驟4中各接收節(jié)點的判斷結(jié)果，計算每種調(diào)制方式的后驗概率，比較找出最大后驗概率，確定最大的后驗概率所對應的調(diào)制方式為待識別信號的調(diào)制方式。所述ー種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法中，步驟3具體包括如下步驟
步驟A，基于ニ叉樹決策的多類支持向量機根據(jù)ニ階矩陣和四階矩陣的組合參數(shù)構(gòu)造第一層次的二分類SVM，將調(diào)制方式分為ノIDM}:
對于{2AUHOTZW}組合采用步驟B所述方法繼續(xù)區(qū)分；
對于(2PSKAPSK,4mq組合采用步驟c所述方法繼續(xù)區(qū)分；
步驟B，基于ニ叉樹決策的多類支持向量機構(gòu)造第二、第三層次的二分類SVM區(qū)分各調(diào)制方式
步驟B-1，根據(jù)零中心歸ー化瞬時幅度之譜密度的最大值構(gòu)造第二層次的二分類SVM，將幅度調(diào)制方式組合中的ΟΜ)Μ方式區(qū)分開；
步驟Β-2，根據(jù)零中心非弱信號段瞬時相位非線性分量的標準偏差、零中心歸ー化瞬時幅度絕對值的標準偏差構(gòu)建第三層次的二分類SW,將2PSKAPSKAMK區(qū)分開；
步驟C，根據(jù)零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差、零中心非弱信號段瞬時相位非線性分量的標準偏差構(gòu)造第二層次的三分類SVM,將2PSKAPSK和4FSK區(qū)分開。本發(fā)明采用上述技術(shù)方案，具有以下有益效果
I.采用基于ニ叉決策樹的SVM具有層次性，減少了要訓練的支持向量機數(shù)量，同時也消除了在決策時存在同時屬于多類或不屬于任何ー類的缺陷，提高了分類效率。2.通過多用戶的協(xié)作識別糾正了單用戶檢測時的錯誤，特別可以提高在低信噪比情況下的識別率。3.考慮系統(tǒng)中識別的先驗情況以及多個接收節(jié)點判斷結(jié)果的影響，采用最大后驗概率的融合決策得到識別結(jié)果比傳統(tǒng)了投票表決融合決策得到的識別結(jié)果可靠性高。


圖I為各接收節(jié)點協(xié)作識別調(diào)制信號的示意圖。圖2為各接受節(jié)點利用基于ニ叉樹決策的支持向量機區(qū)分調(diào)制方式的示意圖。圖3為根據(jù)零中心歸ー化瞬時幅度之譜密度的最大值區(qū)分各調(diào)制方式的結(jié)果圖。、圖4為根據(jù)零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差區(qū)分各調(diào)制方式的結(jié)果圖。圖5為根據(jù)零中心非弱信號段瞬時相位非線性分量的標準偏差區(qū)分各調(diào)制方式的結(jié)果圖。圖6為根據(jù)零中心歸ー化瞬時幅度絕對值的標準偏差區(qū)分各調(diào)制方式的結(jié)果圖。圖7為根據(jù)ニ階矩和四階矩的組合系數(shù)區(qū)分各調(diào)制方式的結(jié)果圖。
具體實施例方式下面結(jié)合附圖對發(fā)明的技術(shù)方案進行詳細說明
如圖I所示，節(jié)點1，節(jié)點2…節(jié)點N是散落在不同地理位置的調(diào)制信號識別節(jié)點。每個節(jié)點接收到信號后提取信號的特征參數(shù)，利用事先訓練好的基于ニ叉樹決策的支持向量機得到識別結(jié)果，然后將判決結(jié)果\及接收信噪比^^送往融合中心，融合中心可以收到N
個節(jié)點的判決結(jié)果，然后根據(jù)最大后驗概率的數(shù)據(jù)融合準則得到最后的判決結(jié)果?；跊Q策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法，通過N個接收節(jié)點協(xié)作來完成對H 2ASK, 4 FSK,APSK, 4 ASK, OFDM這六種調(diào)制方式的識別，包括如下步驟
步驟1，截取一段碼元數(shù)為1024的信號，然后對信號進行采樣，采樣頻率為Js = YmKHz ,碼元速率為=12.SAft3W，這段信號共有98304個采樣點(N=98304)，提取采樣點信號的瞬時幅度參數(shù)、瞬時相位參數(shù)、瞬時頻率參數(shù)。步驟2，根據(jù)步驟I獲取的各接收節(jié)點獲取的采樣信號的瞬時幅度參數(shù)瞬時相位參數(shù)、瞬時頻率參數(shù)計算識別調(diào)制方式的特征參數(shù)；
(I)零中心歸ー化瞬時幅度之譜密度的最大值的表達式為公式(I)
r匪=max: I DFT{acn ( ))「IN(I)
零中心歸ー化瞬時幅度Sm(I)由公式(2)計算得到
a Jf) = A<S)(2)
瞬時幅度歸ー化值40)利用公式(3)計算得到
權(quán)利要求
1.· ー種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法，通過N個接收節(jié)點協(xié)作來完成對2PSK, 2ASK,4FSK,APEK,4ASK,OFDM這六種調(diào)制方式的識別，其特征在于包括如下步驟 步驟1，N個接收節(jié)點對待識別信號進行采樣，每個接收節(jié)點分別提取采樣點信號的瞬時幅度參數(shù)、瞬時相位參數(shù)、瞬時頻率參數(shù)，N為大于I的整數(shù)； 步驟2，根據(jù)步驟I獲取的各接收節(jié)點獲取的采樣信號的瞬時幅度參數(shù)、瞬時相位參數(shù)、瞬時頻率參數(shù)計算識別調(diào)制方式的特征參數(shù)； 其中，所述識別調(diào)制方式的特征參數(shù)包括零中心歸ー化瞬時幅度之譜密度的最大值、零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差、零中心非弱信號段瞬時相位非線性分量的標準偏差、零中心歸ー化瞬時幅度絕對值的標準偏差、ニ階矩陣和四階矩陣的組合參數(shù)； 步驟3，采用基于ニ叉樹決策的多類支持向量機構(gòu)造三層次分類SVM區(qū)分各種調(diào)制方式； 步驟4，將步驟I中各個接收節(jié)點采集的信息作為基于ニ叉樹決策的多類支持向量機的訓練樣本，利用訓練樣本對基于ニ叉樹決策的多類支持向量機進行訓練，得到各接收節(jié)點的判斷結(jié)果； 步驟5，根據(jù)步驟4中各接收節(jié)點的判斷結(jié)果，計算每種調(diào)制方式的后驗概率，比較找出最大后驗概率，確定最大的后驗概率所對應的調(diào)制方式為待識別信號的調(diào)制方式。
2.根據(jù)權(quán)利要求I所述的ー種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法，其特征在于所述步驟3具體包括如下步驟 步驟A，基于ニ叉樹決策的多類支持向量機根據(jù)ニ階矩陣和四階矩陣的組合參數(shù)構(gòu)造第一層次的二分類SVM，將調(diào)制方式分為OFDM)、[2PSKAPSK,4PSKj : 對于組合采用步驟B所述方法繼續(xù)區(qū)分； 對于雙}組合采用步驟C所述方法繼續(xù)區(qū)分； 步驟B，基于ニ叉樹決策的多類支持向量機構(gòu)造第二、第三層次的二分類SVM區(qū)分各調(diào)制方式 步驟B-1，根據(jù)零中心歸ー化瞬時幅度之譜密度的最大值構(gòu)造第二層次的二分類SVM，將幅度調(diào)制方式組合中的方式區(qū)分開； 步驟Β-2，根據(jù)零中心非弱信號段瞬時相位非線性分量的標準偏差、零中心歸ー化瞬時幅度絕對值的標準偏差構(gòu)建第三層次的二分類SW,將2PSKAPSKAFSK區(qū)分開； 步驟C，根據(jù)零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差、零中心非弱信號段瞬時相位非線性分量的標準偏差構(gòu)造第二層次的三分類SVM,將2PSKAPSK和4FSK區(qū)分開。
全文摘要
本發(fā)明公開了一種基于決策層數(shù)據(jù)融合的協(xié)作調(diào)制信號識別方法，屬于無線通信的技術(shù)領域。本發(fā)明通過獲取多個接收節(jié)點所采集樣本信號的特征值，利用基于二叉樹決策的支持向量機得到各接收節(jié)點的判斷結(jié)果，數(shù)據(jù)融合中心采用最大后驗概率的決策最終確定待識別信號的調(diào)制方式。本發(fā)明采用基于二叉決策樹的SVM減少了要訓練的支持向量機數(shù)量，提高了分類效率；通過多用戶的協(xié)作識別糾正了單用戶檢測時的錯誤，特別可以提高在低信噪比情況下的識別率；考慮系統(tǒng)中識別的先驗情況以及多個接收節(jié)點判斷結(jié)果的影響，采用最大后驗概率的融合決策得到識別結(jié)果比傳統(tǒng)的投票表決融合決策得到的識別結(jié)果可靠性高。
文檔編號H04L27/34GK102647391SQ20121008979
公開日2012年8月22日 申請日期2012年3月30日 優(yōu)先權(quán)日2012年3月30日
發(fā)明者朱冬梅, 朱洪波, 朱琦, 楊龍祥 申請人:南京郵電大學