申请/专利权人：西安邮电大学

申请日：2023-12-27

公开（公告）日：2024-04-05

公开（公告）号：CN117834356A

主分类号：H04L27/00

分类号：H04L27/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：一种基于异步同相正交直方图的调制方式识别方法，由构建无线通信系统、生成同相正交分量、建异步同相正交直方图、划分数据集、构建信号识别网络、训练信号识别网络、测试信号识别网络步骤组成，本发明将信号转化为异步同相正交直方图，构建信号识别网络将二维直方图转化为一维向量输入至神经网络，训练识别模型并对调制方式进行分类，实现了对不同调制方式的准确识别，解决了低信噪比情况下识别准确率较低的问题。经仿真实验，本发明在低信噪比情况下调制方式识别准确率较高，并且优于其他对比实验，在输入信号信噪比为6dB时，已经达到了95％的识别准确率，体现出了本方案较高的调制识别精度。

主权项：1.一种基于异步同相正交直方图的调制方式识别方法，其特征在于由下步骤组成：1构建无线通信系统由发射天线、接收天线、低通滤波器、异步采样单元构建成无线通信系统：2生成同相正交分量2.1确定发送信号按下式确定发送信号xt： st＝xIt+jyQt式中，Re[·]为取实部，st为复信号，xIt为I路信号，I表示同相，yQt为Q路信号，Q表示正交，j为虚部，fc为载波频率，fc取值为300～500×107HZ，t为时间；2.2确定经衰落高斯信道之后的信号在不同信噪比下，按下式确定发送信号经高斯衰落信道之后的信号 式中，β为路径损耗，τ为路径延迟，ut为基带信号，nt为高斯噪声；2.3确定信道对应的基带冲激响应函数按下式确定信道对应的基带冲激响应函数ht,τ：ht,τ＝γt×δt-τ 式中，γt为信道衰落系数，δ·为冲激函数；2.4确定接收端信号按下式确定接收端信号 式中，γIt为同相分量，γQt为正交分量；3构建异步同相正交直方图3.1确定同相分量γIt和正交分量γQt按下式将接收端信号分为同相分量γIt和正交分量γQt：γIt＝st*β×cos2πfcτγQt＝st*β×sin2πfcτ式中，*为卷积；3.2对同相分量γIt和正交分量γQt分别进行低速异步采样使用低于符号速率的采样速率对同相分量和正交分量进行低速异步采样；3.3确定同相分量γIt和正交分量γQt的范围区间在N×N的二维平面中，将同相分量γIt和正交分量γQt划分为M个区间，按下式确定同相分量γIt和正交分量γQt的范围区间： 式中，表示同相分量范围的区间，表示正交分量范围的区间，d和q表示二维平面中的行和列，M表示区间个数，M取值为30～50；3.4构建区间矩阵将每个信号mi映射到对应的区间矩阵U中，如下式所示： 式中，表示区域范围；3.5构建不同信号对应的二维图像按下式构建不同信号对应的二维异步同相正交直方图Ψ： 式中，表示信号在区域范围的出现次数；按照上述步骤最后构建出二维异步同相正交直方图Ψ；4划分数据集将N×N二维图像Ψ转换为Z×1的一维向量x，对每个输入的一维向量生成一个V×1的二进制向量u，为标签或者目标向量，其中只有一个非零元素，其所在的位置表示信号的实际调制方式，在不同信噪比和信道延迟条件下，生成数据样本，将数据样本按7:3划分为训练集和测试集；5构建信号识别网络信号识别网络由特征提取模块1与SE-ResNet模块、特征提取模块2、人工神经网络依次组成；6训练信号识别网络6.1构建损失函数按下式构建损失函数L： 式中，V为信号类型个数，ui为目标向量，yi为样本的预测概率，i取值为[1,7]；6.2训练信号识别网络将训练集输入到信号识别网络中进行训练，训练参数为：最小批处理大小为64，初始学习率为0.0001，最大学习次数为100，采用Adam优化器更新网络参数，训练至损失函数收敛；7测试信号识别网络将测试集输入到训练后的信号识别网络中，输出调制方式类型。

全文数据：

权利要求：

百度查询： 西安邮电大学 基于异步同相正交直方图的调制方式识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD