基于星座图回归聚类的调制模式识别方法

阅读：评论：0

1.本发明属于信号调制模式识别技术领域，特别涉及一种基于星座图回归聚类的调制模式识别方法。

背景技术：

2.数字调制方案的自动识别正在成为一个活跃的研究领域，它有许多军事应用，其中监视和电子战需要在截获的信号中进行某种调制来准备干扰信号。大多数方法都是基于调制信号的分量，但是使用信号分量来进行调制识别的效率不高，同时所要使用的分类器也比较复杂。因此，研究用什么特征量来提升识别效率和简化分类器是一个重要的话题。

技术实现要素：

3.本发明所要解决的技术问题就是提供一种基于星座图回归聚类的调制模式识别方法，该方法不需要先验条件，且算法复杂度低，成本低识别率高，具有良好的实用性能。
4.本发明采用如下技术方案：
5.一种基于星座图回归聚类的调制模式识别方法，其用于识别来自psk、qam和ask池的信号的调制类型；包括以下步骤：
6.步骤1：对提取的星座点进行排序确定集结构的调制计算顺序：
7.使用optics聚类算法，通过可达性距离rd和数据点的处理顺序生成可达性分布图，计算出峰值的个数，进而到信号的有效阶，确定信号调制阶数，即分类的簇数k值；
8.步骤2：调制域的识别
9.在提取的星座点上绘制斜率为b2和截距为b1的回归直线；回归线由下式给出：
10.y＝b1+b2x
11.其中，b1和b2为常数；
12.回归直线的斜率b2和截距b1通过下式计算得到：
[0013][0014][0015]
再根据下式获得最小化的平方误差e(b1,b2)：
[0016][0017]
其中和是(xk，yk)的平均值,(xk，yk)为单个星座点的坐标，k＝1，2，3
…
n；n是星座点的个数；b1和b2由上述公式通过计算平方误差并除以星座点数获得；
[0018]
通过比较(b1,b2)值与1的大小分离出ask信号，e小于1时为ask信号，否则为psk信号或qam信号；
[0019]
再使用改进k均值聚类算法估计k个质心，其中k由估计的调制阶数给出；运用质心求得最大距离dmax和最小距离dmin，通过分析没有噪声干扰的理想psk、qam质心值设定阈值，二者的差值比阈值小的为psk信号，差值比阈值大的为qam信号。
[0020]
本发明中，使用k-means计算质心的方法，包括以下步骤:
[0021]
①
选择初始质心，即从数据点中随机考虑的种子点。k个初始质心，k的值为上述估计的调制阶数。
[0022]
②
将每个数据点分配到最近的质心，此后，计算所有k个聚类中指定点的平均值,并用计算的平均值更新每个聚类的质心。
[0023]
③
重复步骤2，直到不可能再重新分配为止，得到最终的k个质心。
[0024]
和现有的技术相比，本发明的有益效果在于：
[0025]
本发明通过上述步骤二的optics算法和k聚类算法可以有效地将ask、qam和psk分离开来。并且这种方法识别效率较高，复杂度低，实用性强。
附图说明
[0026]
图1是实施例1的预处理之后的散点图。
[0027]
图2是实施例1的阶数计算结果图。
[0028]
图3是实施例1的星座图的dmax与dmin值。
[0029]
图4是实施例1的混淆矩阵。
[0030]
图5是实施例1的识别结果图。
具体实施方式
[0031]
下面结合附图和实施例对本发明作进一步说明，但不应以此限制本发明的保护范围。
[0032]
一种基于星座图回归聚类的调制模式识别方法，其改进之处在于，包括如下步骤：步骤1：通过对点进行排序来研究集结构的调制阶数
[0033]
为了计算调制阶数，使用optics聚类算法。它返回所有对象的三个值，即核心距离、到达距离能力距离(rd)和处理数据点的顺序。通过rd和数据点的处理顺序之间的图，估计调制阶数。
[0034]
核心距离(cd):任何第ⅰ个点的核心距离是从数据点ⅰ到半径的最小距离，使得k(最小点)点位于从数据绘制的圆之下第一点。
[0035]
可达性距离(rd):任何第j个对象的可达性距离是第j个对象与最近对象之间的距离和最近对象的核心距离的最大值。
[0036]
计算cd、rd和加工顺序的步骤:
[0037]
①
随机选择第一个物体，称为当前物体。
[0038]
②
该对象被标记为已处理，并且其可达性距离被取为大值。所有对象的第二步是相对于当前对象出的。
[0039]
③
在该步骤中，rd最小的数据对象被标记为已处理，并且现在被认为是当前对象。相对于该当前对象，再次计算剩余数据点的rd。如果没有被处理的任何对象的当前rd小于先前的rd，则用新的更低的rd更新rd。保存整个被处理对象的顺序。
[0040]
④
转到步骤3，直到所有的对象都被处理。一旦我们得到所有数据点的rd和处理顺序，就可以从rd和处理顺序之间的图形中计算出峰值，获得调制阶数k。
[0041]
步骤2：调制域的识别
[0042]
使用回归算法和k均值聚类来识别来自psk、qam和ask池的信号的调制类型。为了在ask或psk和qam之间做出识别，在给定数据星座点上计算出回归斜率为b2和截距为b1的直线点。因此回归线由下式给出：
[0043]
y＝b1+b2x
[0044]
以下值得到回归直线的斜率和截距:
[0045][0046][0047]
其中，b1和b2为常数。
[0048]
再由下式求解给出最小化的平方误差：
[0049][0050]
其中和是(xk，yk)的平均值，(xk，yk)为单个星座点的坐标，k＝1，2，3
…
n，n为星座点的个数。与qam相比，ask的误差较小，psk也是如此。在此基础上，ask与psk和qam相区别。如果“e”的值属于psk和qam类，则使用k均值聚类算法估计k个中心点。使用k-means计算k个质心，步骤如下:
[0051]
①
现初始k个初始质心，即从数据点中随机考虑的种子点。k的值为估计的调制阶数。
②
将每个数据点分配到最近的质心。此后，计算所有k个聚类中指定点的平均值,并用计算的平均值更新每个聚类的质心。
[0052]
③
重复步骤2，直到不可能再重新分配为止。
[0053]
一旦我们得到了最终的k个质心，就可以计算出它们的绝对值。计算最大绝对值(dmax)和最小绝对值(dmin)的差值d。通过分析标准psk、qsk质心值设定阈值，与qam星座相比，psk的d值比阈值小。由此，psk和qam被分开。
[0054]
实施例1
[0055]
首先把数据集输入软件中进行预处理，实现正载波偏移和提取星座点，对应于图1。
[0056]
再把所处理后的信号特征数据进行optics阶数计算，假定最小点数为6，邻域半径为1，计算出峰值的个数为3个，对应于图2。信号的“有效阶”为4个，进而确定调制阶数(分类簇数k值)为4。
[0057]
接着使用回归算法计算出步骤二的b1,b2随后求得e的值。通过得到的e值，比较e值与1的大小分离出ask信号；
[0058]
最后一步进行类间判断：使用k-means计算质心，运用质心求得最大距离dmax和最小距离dmin，二者的差值记为d对应于图3。比较阈值与d值的大小最终分离psk和qam，随后对在不同信噪比情况下的信号进行调制识别得到混淆矩阵对应于图4(1-5分别代表bpsk、4psk、8psk、8qam和4ask)，从图4可知信噪比为10时识别率达到最高，部分调制信号的识别率能达到100％。信号的识别率对应于图5，由图可知随着信噪比的提升识别率也随之提升，在snk＝10时总体的识别性能最好，且8qam和4ask的识别率能一直稳定在100％附近，体现本方法识别效率高。除此之外本方法相对于其他方法不依赖先验条件，算法复杂度低。
[0059]
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的
多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

技术特征：

1.一种基于星座图回归聚类的调制模式识别方法，其特征在于，其用于识别来自psk、qam和ask池的信号的调制类型；包括以下步骤：步骤1：对提取的星座点进行排序确定集结构的调制阶数使用optics聚类算法，通过可达性距离rd和数据点的处理顺序生成提取的星座点的可达性分布图，根据计算出峰值的个数确定信号的有效阶，进而确定信号调制阶数；步骤2：调制模式的识别首先，在提取的星座点上绘制斜率为b2和截距为b1的回归直线点；回归线由下式给出：y＝b1+b2x其中，b1和b2为常数；然后，根据下式获得最小化的平方误差e(b1,b2)：其中，(x
k
，y
k
)为单个星座点的坐标，k＝1，2，3
…
n，n为星座点的总个数；根据计算出的e(b1,b2)的数值分离出ask信号，e小于1时为ask信号，否则为psk信号或qam信号；最后使用改进k均值聚类算法估计k个质心，分类簇数k和估计的调制阶数相等，运用质心求得最大距离dmax和最小距离dmin，二者的差值d比阈值小的为psk信号，差值d比阈值大的为qam信号，阈值通过分析无噪声干扰的理想psk、qam质心值设定。2.根据权利要求1所述的调制模式识别方法，其特征在于，回归直线的斜率为b2和截距为b1通过下式求得：通过下式求得：通过下式求得：和是星座图中单个星座点坐标(x
k
，y
k
)的平均值，x
i
、y
i
分别表示所求集合中第i个点的横纵坐标值。3.根据权利要求1所述的调制模式识别方法，其特征在于，使用k-means计算质心的方法，包括以下步骤：
①
选择初始质心，从随机从数据点中随机考虑k个初始中心点，即种子点；
②
将每个数据点分配到最近的质心，此后，计算所有k个聚类中指定点的平均值,并用计算的平均值更新每个聚类的质心。
③
重复步骤2，直到不可能再重新分配为止，得到最终的k个质心。

技术总结

本发明公开了一种基于星座图回归聚类的调制模式识别方法；该方法包括以下步骤：步骤1，对星座信号数据点进行排序确定集结构的调制阶数：使用OPTICS聚类算法计算调制阶数；步骤2，调制域的识别：使用线性回归和k均值聚类识别信号的调制类型，具体来说，通过线性回归算法计算平方误差e，当e值小于1时为ASK信号。接着使用改进k-means计算质心，k和估计的调制阶数相等，运用质心求得最大距离dmax和最小距离dmin，二者的差值比阈值小的为PSK信号，差值比阈值大的为QAM信号。本发明方法不需要先验条件，成本低，算法复杂度低，识别率高，具有良好的实用性能。有良好的实用性能。有良好的实用性能。