Alpha稳定分布噪声下MFSK信号调制识别方法.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CN107689933A(43)申请公布日2018.02.13(21)申请号201710575862.0(22)申请日2017.07.14(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号西安电子科技大学(72)发明人刘明骞张俊林(74)专利代理机构西安长和专利代理有限公司61227代理人黄伟洪(51)Int.Cl.H04L27/10(2006.01)H04L27/00(2006.01)权利要求书2页说明书5页附图2页(54)发明名称Alpha稳定分布噪声下MFSK信号调制识别方法(57)摘要本发明属于非高斯噪声环境下通信信号调制分析技术领域，公开了一种Alpha稳定分布噪声下MFSK信号调制识别方法，对接收到的MFSK信号做广义短时傅立叶变换得到MFSK信号的时频分析图像；提取广义短时傅立叶变换时频分析图像中频率跳变特征序列，并采用盲聚类方法对频率跳变特征序列进行聚类分析从而完成MFSK信号的调制类型识别。对于MFSK信号，在Alpha稳定分布噪声环境下，当混合信噪比大于0dB时，识别率达到94％以上；由此可见，本发明的调制识别效果较好。CN107689933ACN107689933A权利要求书1/2页1.一种Alpha稳定分布噪声下MFSK信号调制识别方法，其特征在于，所述Alpha稳定分布噪声下MFSK信号调制识别方法包括：步骤一，对接收到的MFSK信号做广义短时傅立叶变换的时频分析得到MFSK信号的时频分析图像；步骤二，提取广义短时傅立叶变换时频分析图像的频率跳变特征序列；步骤三，利用盲聚类方法对频率跳变特征序列进行聚类分析实现MFSK信号的调制类型的识别。2.如权利要求1所述的Alpha稳定分布噪声下MFSK信号调制识别方法，其特征在于，所述步骤一中的广义短时傅立叶变换Sr(t,ε)定义为：其中，t为时间，ε为频率，η(·)表示时间宽度较短的窗函数，通常为矩形窗；f[·]表示非线性变换，其表达式为：其中，r(t)为接收信号。3.如权利要求1所述的Alpha稳定分布噪声下MFSK信号调制识别方法，其特征在于，步骤二提取广义短时傅立叶变换时频分析图像的频率跳变特征序列表达式为：其中，表示频率跳变序列，Sr(t,ε)为广义短时傅立叶变换时频分析图像，表示提取不同时刻Sr(t,ε)最大值对应的频率位置。4.如权利要求1所述的Alpha稳定分布噪声下MFSK信号调制识别方法，其特征在于，所述步骤三具体包括：首先，确定聚类区间。为了消除频率间隔改变带来的影响，先将MFSK信号的广义短时傅立叶变换时频图的频率跳变特征序列的最小值置零，再对其进行最大值归一化，即(其中，min[·]表示取最小值，max[·]表示取最大值)；频率跳变特征序列的取值不随调制指数h的改变而变化，且取值范围被映射到[0,1]，确定聚类区间为[0,1]；然后，确定聚类半径，对于调制阶数为M的FSK信号，将其跳变特征序列映射到[0,1]范围，信号的M个调制频率分量被映射在[0,1]范围，相邻调制频率分量之间的差值不超过根据待识别MFSK信号的最大调制阶数Mmax设置聚类半径，此处聚类半径设置为2CN107689933A权利要求书2/2页最后，修正聚类中心数目，对聚类数目进行修正，如果聚类中心之间的差值小于，则判定为同一类别，得到修正后的聚类数目Z。5.如权利要求4所述的Alpha稳定分布噪声下MFSK信号调制识别方法，其特征在于，根据的聚类数目数Z给出调制阶数判断规则：1＜Z≤3为2FSK信号，3＜Z＜5为4FSK信号，5≤Z≤8为8FSK信号。3CN107689933A说明书1/5页Alpha稳定分布噪声下MFSK信号调制识别方法技术领域[0001]本发明属于非高斯噪声环境下通信信号调制分析技术领域，尤其涉及一种Alpha稳定分布噪声环境下MFSK信号调制识别方法。背景技术[0002]多进制频移键控(MFSK)信号以其较好的抗干扰性能被广泛应用于通信系统中。在通信对抗、无线电监测等非合作第三方接收应用领域，需要先对接收信号进行调制方式自动识别，才能实现信号的解调、解译。[0003]目前，对于高斯噪声环境下频移键控(FSK)信号的调制识别的研究已经出现了很多成果。MFSK信号调制识别的方法大致可以分为基于Fourier变换的方法，基于小波变换的方法，基于时频分布的方法，以及基于高阶统计量的方法。然而，实际的通信环境(如短波通信、浅海水声通信等)不可避免的存在一些尖峰脉冲噪声，通常用Alpha稳定分布描述这类脉冲噪声。由于Alpha稳定分布噪声不存在有限的二阶矩，使得现有的高斯背景下的MFSK信号调制识别方法的性能严重退化。近期，针对Alpha稳定分布噪声下MFSK信号的