LFM/BPSK混合调制信号盲处理结果的校验方法.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CN106443604A(43)申请公布日2017.02.22(21)申请号201610843075.5(22)申请日2016.09.22(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)发明人胡国兵姜志鹏李岳衡吴珊珊陈正宇杨莉孙健(74)专利代理机构南京钟山专利代理有限公司32252代理人戴朝荣(51)Int.Cl.G01S7/40(2006.01)权利要求书2页说明书6页附图6页(54)发明名称LFM/BPSK混合调制信号盲处理结果的校验方法(57)摘要本发明针对线性调频/二相编码（LFM/BPSK）混合调制信号的盲处理结果，提出了一种通过广义极值（GEV）分布拟合检验的校验方法。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平方相关谱，适当分段后取每个分段的最大值构成分组极值序列，而后利用KS方法对分组极值序列作GEV分布拟合检验，对单次LFM/BPSK信号盲处理的结果作出统计判决。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对LFM/BPSK信号盲处理结果的可信性进行有效检验。CN106443604ACN106443604A权利要求书1/2页1.一种LFM/BPSK混合调制信号盲处理结果的校验方法，其特征在于，包括如下步骤：1)建立参考信号：对观测信号进行调制方式识别，根据识别结果对应的模型，构建参考信号并建立假设检验问题；2)选取特征：将参考信号与接收到的观测信号相关，计算相关序列的相关谱，对相关谱分组取最大值，得到分组极值序列；3)根据分组极值序列计算相关谱的GEV经验积累分布函数，将假设检验问题转化为概率分布拟合检验，利用Kolmogorov-Smirnov方法进行分布拟合检验；4)根据拟合优度校验LFM/BPSK信号的盲处理结果。2.如权利要求1所述的LFM/BPSK混合调制信号盲处理结果的校验方法，其特征在于：在步骤1)中，建立叠加了高斯白噪声的LFM/BPSK混合调制信号模型为x(n)＝s(n)+w(n)22＝Aexp[j(2πf0Δtn+πlΔtn+θ(n)+θ0)]+w(n),0≤n≤N-1其中，A为信号幅度，j为虚数单位，f0为起始频率，Δt为采样间隔，l为调频斜率，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，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2所述的LFM/BPSK混合调制信号盲处理结果的校验方法，其特征在于：步骤2)中具体包括以下步骤：2.1)计算参考信号和观测信号的相关序列z(n)＝x(n)+y(n)；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DFT变换并取模，得到相关谱Zm(k)＝|DFT[zm(n)]|，0≤k≤N-1；2.3)定义平方相关谱2.4)将R(k)分为L组，取第i组的最大值γi，i＝0,...,L-1，得到分组极值序列Γ＝(γ0,γ1,...,γL-1)，每组的长度为5-15个样本点。4.如权利要求3所述的LFM/BPSK混合调制信号盲处理结果的校验方法，其特征在于：步骤3)中具体包括以下步骤：3.1)根据分组极值序列Γ＝(γ0,γ1,...,γL-1)计算平方相关谱R(k)的GEV经验积累分布函数将H0与H1的假设检验问题转化为概率分布拟合检验其中F0为Gumbel分布的理论分布；3.2)利用分组极值序列Γ＝(γ0,γ1,...,γL-1)，构造经验分布函数I(x)为示性函数，当输入条件满足时，取1，否则为0；3.3)将与F0之间差异的最大值作为分布拟合检验的统计量，即计算D的估计值2CN106443604A权利要求书2/2页的显著性水平其中P为概率，5.如权利要求4所述的LFM/BPSK混合调制信号盲处理结果的校验方法，其特征在于：在步骤4)中，对于显著性水平α，若则H0假设成立，若则H1假设成立。3CN106443604A说明书1/6页LFM/BPSK混合调制信号盲处理结果的校验方法技术领域[0001]本发明属于信号处理技术领域，具体涉及一种基于GEV(GeneralizedExtremeValue)分布拟合检验的LFM/BPSK(linearfrequencymodulation/binaryphaseshiftkeying)混合调制信号盲处理结果的校验方法。背景技术[0002]在非协作信号处理场合(如电子侦察、认