基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112235077A(43)申请公布日2021.01.15(21)申请号202011075526.8(22)申请日2020.10.09(71)申请人金陵科技学院地址211169江苏省南京市江宁区弘景大道99号(72)发明人杨莉胡国兵姜志鹏赵嫔姣(74)专利代理机构南京钟山专利代理有限公司32252代理人上官凤栖(51)Int.Cl.H04L1/00(2006.01)H04L27/00(2006.01)H04L27/22(2006.01)G06F17/18(2006.01)权利要求书2页说明书5页附图2页(54)发明名称基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法(57)摘要基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法，首先根据调制识别结果对应的信号模型构造参考信号，计算此参考信号与观测信号的相关谱模值平方；然后分别提取相关谱模值平方序列的分组极值序列及超阈值序列；利用高斯Copula模型对分组极值序列及超阈值序列的联合分布进行拟合，并根据单分类准则，建立校验统计量；利用Bootstrap方法获取统计量在零假设下的概率分布及其数字特征，得到相应的判决门限；若校验统计量大于判决门限，则判定此次BPSK信号盲处理结果为可信，反之，不然。计算机仿真结果表明，该方法可以在缺乏信号及噪声方差信息条件下自适应对BPSK信号盲处理结果的可信性进行有效检验。CN112235077ACN112235077A权利要求书1/2页1.基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法，其特征在于，包括如下步骤：步骤1：对观测信号进行调制方式识别，根据识别结果对应的信号模型构建参考信号，并建立假设检验模型；步骤2：计算参考信号与观测信号的平方相关谱，分别提取平方相关谱的分组极值序列和超阈值序列；步骤3：利用高斯Copula模型对分组极值序列和超阈值序列的联合分布进行拟合，并根据单分类准则，建立校验统计量；步骤4：利用Bootstrap方法获取Bootstrap意义下的检验统计量及其数字特征，得到相应的判决门限；步骤5：对步骤3得到的校验统计量进行归一化处理，并与判决门限进行比较，结合假设检验模型，对信号盲处理结果进行校验。2.如权利要求1所述的基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法，其特征在于：所述步骤1中，建立叠加了高斯白噪声的BPSK调制信号模型为x(n)＝s(n)+w(n)＝Aexp[j(2πf0Δtn+θ(n)+θ0)]+w(n)，0≤n≤N-1式中，A为信号幅度，j为虚数单位，f0为载波频率，Δt为采样间隔，BPSK分量的相位函数θ(n)＝πd2(n)，d2(n)为二元编码信号，其码元宽度为Tc，码元个数Nc，码字为cm，m＝1，...，Nc，θ0为初相位，N为样本点数，s(n)表示发射信号，w(n)为零均值加性复高斯白噪声过程；构建参考信号y(n)，建立假设检验问题H0和H1，H0表示调制方式识别结果正确且无解码错误，H1表示调制方式识别错误或存在至少一位错误解码。3.如权利要求1所述的基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法，其特征在于：所述步骤2具体如下：步骤2.1：计算参考信号和观测信号的相关序列z(n)＝x(n)y(n)，x(n)表示观测信号，y(n)表示参考信号；步骤2.2：对相关序列去均值后得到零均值的相关序列zm(n)，对零均值的相关序列作2DFT变换并取模，得到平方相关谱R(k)＝|DFT[zm(n)]|，0≤k≤N-1，N为样本点数；步骤2.3：将R(k)分为L组，取第i组的最大值z1i，i＝1，...，L，得到分组极值序列Z1＝(z11，z12，...，z1L)，其分布函数z1∈(-∞，∞)为Gumbel分布，z1表示分组极值序列中的变量；步骤2.4：对于给定的阈值t＜max(R(k))，计算超阈值序列Z2＝R(k)-t，并将其写成向量的形式Z2＝(z21，z22，....，z2L)，其分布函数z2∈[0，∞)为GP-I分布，z2表示超阈值序列中的变量。4.如权利要求3所述的基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法，其特征在于：所述步骤3具体如下：步骤3.1：根据分组极值序列Z1及相关谱超阈值序列Z2，基于高斯Copula模型得到两个随机变量的联结概率密度函数c0[F1(z1)，F2(z2)]：2CN112235077A权利要求书2/2页-1-1式中，Φ(u)、Φ(v)表示标准正态分布函数的逆，u＝F1(z1)，v＝F2(z2)，ρ∈[-1，1]为高斯Copula的相关系数；步骤3.2：基于单分类准则，获取检验统计量TO