一种认知网络中数字调制信号的分类方法

摘要

本发明公开了一种认知网络中数字调制信号的分类方法针对认知无线电中数字调制信号的分类，提出了一种新的基于db5（5daubechies）小波变换与分数傅里叶变换的调制分类方法。在本发明中，首先对数字调制信号进行db5（5daubechies）小波变换和分数傅里叶变换得到数据分布情况，将这个数据分布情况作为分类的特征，确定数字调制信号的调制方式。经过测试表明，本发明的性能比传统方法性能跟高，在相同信噪比环境下分类准确率较高，同时本发明的方法不仅可以适用于高斯信道下的数字调制信号分类，而且也适用于瑞利信道下的数字调制信号分类。

主权项

一种认知网络中数字调制信号的分类方法，其特征在于，包括以下步骤：（1）、计算输入数字调制信号x(t)的db5（5daubechies）小波变换得到结果X(ω)：$X\left(\omega \right)=\mathrm{CWTf}(a,b)={\int }_{R}x\left(t\right){\psi }_{a,b}\left(t\right)\mathrm{dt}={\int }_{R}x\left(t\right){\left|a\right|}^{\frac{1}{2}}\psi \left(\frac{t-b}{a}\right)\mathrm{dt}$${\psi }_{a,b}\left(t\right)=\frac{1}{\sqrt{\left|a\right|}}\psi \left(\frac{t-b}{a}\right);$其中，R是实数域，CWTf(a,b)表示对函数进行小波变换后的结果，ω是一个变量；db5小波变换的小波基是ψ_a,b(t)，a是缩放因子，b代表时间平移，t是时间变量；（2）、对db5小波变换结果X(ω)进行分数傅里叶变换，得到分类特征f_p(u)$f_p\left(u\right)={\int }_{-\infty }^{+\infty }{K}_p(u,\omega )X\left(\omega \right)\mathrm{d\omega }$其中：$K_p(u,\omega )=\left\{\begin{array}{c}{A}_{\alpha }\exp \left[\mathrm{j\pi }(u^2\cot \alpha -2\mathrm{u\omega }\csc \alpha +{\omega }^2\cot \alpha )\right],\alpha \ne \mathrm{n\pi }\\ \delta (u-\omega ),\alpha =2\mathrm{n\pi }\\ \delta (u+\omega ),\alpha =(2n+1)\pi \end{array}\right.$$A_{\alpha }=\frac{\exp [-\mathrm{j\pi sgn}\left(\sin \alpha \right)/4+\mathrm{j\alpha }/2]}{{\left|\sin \alpha \right|}^{1/2}},$$\alpha =\frac{\mathrm{p\pi }}{2};$K_p(u,ω)是分数傅里叶变换的核函数，n为整数，sgn(·)表示取符号，exp()表示以e为底的指数，δ(·)代表冲击函数，j代表虚数部分，p代表分数傅里叶变换的阶次，u是一个变量；（3）、分类判定调制类型统计分类特征f_p(u)的数据分布情况，根据数据分布情况来进行分类，确定数字调制信号的调制方式。