一种脉冲噪声下数字调制信号的识别方法.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CN106067004A(43)申请公布日2016.11.02(21)申请号201610370029.8(22)申请日2016.05.30(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)发明人李兵兵张亚蕊刘明骞(74)专利代理机构北京科亿知识产权代理事务所(普通合伙)11350代理人汤东凤(51)Int.Cl.G06K9/00(2006.01)权利要求书3页说明书10页附图2页(54)发明名称一种脉冲噪声下数字调制信号的识别方法(57)摘要本发明公开了一种脉冲噪声下数字调制信号的识别方法，所述方法包括以下步骤：计算数字调制信号的分数低阶模糊函数；截取分数低阶模糊函数的多普勒频移为零的切面，并将该切面转化为二维图像且填充该图像边缘下方，使其成为具有颜色的彩色图像；对彩色图像进行灰度化、二值化、图像分割和图像大小的归一化，并再对图像进行平移和尺度归一化；提取图像的Zernike矩作为识别的特征向量，并利用概率神经网络分类器对数字调制信号进行识别。本发明在标准分布脉冲噪声下，对数字调制信号2ASK、4ASK、2FSK、4FSK、BPSK具有良好的识别性能。CN106067004ACN106067004A权利要求书1/3页1.一种脉冲噪声下数字调制信号的识别方法，其特征在于，所述脉冲噪声下数字调制信号的识别方法包括以下步骤：步骤一，计算数字调制信号的分数低阶模糊函数；步骤二，截取分数低阶模糊函数的多普勒频移为零的切面，并将切面转化为二维图像且填充图像边缘下方，成为具有颜色的彩色图像；步骤三，对彩色图像进行灰度化、二值化、图像分割和图像大小的归一化，并再对图像进行平移和尺度归一化；步骤四，提取图像的Zernike矩作为识别的特征向量，并利用概率神经网络分类器对数字调制信号进行识别。2.如权利要求1所述的脉冲噪声下数字调制信号的识别方法，其特征在于，所述计算数字调制信号的分数低阶模糊函数按以下进行：接收信号y(t)表示为：y(t)＝x(t)+n(t)；其中，x(t)为数字调制信号，n(t)为标准SαS分布的脉冲噪声；MASK和MPSK调制，x(t)的解析形式表示为：其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制j2πε/M阶数，在MPSK信号中，an＝e，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；MFSK调制，x(t)的解析形式表示为：其中，fm为第m个载频的偏移量，若MFSK信号载频偏移Δf，则fm＝-(M-1)Δf,-(M-3)Δf,…,(M-3)Δf,(M-1)Δf，载波初始相位是在[0,2π]内均匀分布的随机数；以下特征函数描述分布特性：其中为符号函数，α(0＜α≤2)为特征指数，γ为分散系数，β为对称参数，ζ为位置参数；当ζ＝0，β＝0且γ＝1时，分布称为标准SαS分布；数字调制信号x(t)的分数低阶模糊函数表示为：其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭；当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)。3.如权利要求1所述的脉冲噪声下数字调制信号的识别方法，其特征在于，所述截取分2CN106067004A权利要求书2/3页数低阶模糊函数的多普勒频移为零的切面，并将该切面转化为二维图像且填充该图像边缘下方，使其成为具有颜色的彩色图像按以下方法进行：数字调制信号MASK、MFSK、MPSK的分数低阶模糊函数的多普勒频移为零的切面表示为：其中，是宽度为Tb-τ的门函数；以上三式只有的系数不同，MASK信号的不恒为1；MFSK信号的不恒为1；对于2ASK信号，an＝0,1；对于4ASK信号，an＝0,1，2，3，两种信号的不同，分数低3CN106067004A权利要求书3/3页阶模糊函数的多普勒频移为零的切面轮廓也不同；对于2FSK信号，fm＝-Δf,Δf；对于4FSK信号，fm＝-3Δf,-Δf,Δf,3Δf，两种信号的不同，分数低阶模糊函数的多普勒频移为零的切面轮廓也不同；将分数低阶模糊函数的多普勒频移为零的切面转化为二维图像并设置小于切面最大值的像素点(s,z)的像素值为(θ，ξ，λ),(θ,ξ,λ≠255),其中θ、ξ和λ分别为图像红、绿、蓝三原色的值，使图像成为具有颜色的彩色图像。4CN106067004A说明书1/10页一种脉冲噪声下数字调制信号的识别方法技术领域[0001]本发明属于通信技术领域，尤其涉及一种脉冲噪声