发明名称 基于特征级与决策级联合融合的分簇调制识别方法
摘要 本发明的目的在于提出一种基于特征与决策联合融合的分簇调制识别方法。该方法对调制信号进行特征级和决策级二次融合识别,克服了低信噪比下识别率低的缺点,提供了调制识别的鲁棒性。该方法首先将无线传感器网络中的多个传感器节点分成若干簇;然后在每个簇内的每个用户分别分配提取各自的特征参数,并将特征参数送往汇聚节点簇头,簇头将簇内其他各个用户分别提取的特征参数组成特征向量送已训练好的SVM分类器,对接收到的调制信号进行特征级融合,得到该簇的识别结果;最后簇头将每个簇的识别结果送往融合中心进行决策级融合,融合中心根据表决融合准则对各个簇送来的识别结果进行投票判决,得到调制信号的调制类型的最终识别结果。
申请公布号 CN102869064A 申请公布日期 2013.01.09
申请号 CN201210262671.6 申请日期 2012.07.27
申请人 南京邮电大学 发明人 朱琦;魏淑芝
分类号 H04W40/10(2009.01)I;H04W84/18(2009.01)I 主分类号 H04W40/10(2009.01)I
代理机构 南京经纬专利商标代理有限公司 32200 代理人 叶连生
主权项 1.一种基于特征级与决策级联合融合的分簇调制识别方法,其特征在于该方法包含以下步骤:步骤1.  将无线传感器网络中的多传感器节点分成若干簇,每个簇内有5个传感器节点,每个传感器节点分别独立接收到调制信号并提取特征参数:零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差<img file="2012102626716100001DEST_PATH_IMAGE002.GIF" wi="22" he="18" />、零中心非弱信号段瞬时相位非线性分量的标准偏差<img file="2012102626716100001DEST_PATH_IMAGE004.GIF" wi="22" he="17" />和零中心归一化瞬时幅度绝对值的标准偏差<img file="2012102626716100001DEST_PATH_IMAGE006.GIF" wi="27" he="17" />;步骤2.  对于每个簇的5个传感器节点,每个传感器节点只提取一个特征参数,其中有两个传感器各提取特征参数<img file="DEST_PATH_IMAGE008.GIF" wi="25" he="20" />各一次,有两个传感器各提取特征参数<img file="DEST_PATH_IMAGE010.GIF" wi="22" he="18" />各一次,有一个传感器节点提取特征参数<img file="DEST_PATH_IMAGE006A.GIF" wi="27" he="17" />一次;步骤3.  在簇内,各节点提取相应的特征参数,并且将特征参数送往簇头;步骤4.  簇头将簇内各个传感器节点分别提取的特征参数组成特征向量,送到训练好的支持向量机分类器,对调制信号进行特征级融合识别,得到各个簇头的调制类型的识别结果;步骤5.  M个簇头分别将簇内特征级融合的识别结果分别送到融合中心;步骤6.  融合中心采用表决融合准则进行决策级融合识别,如果有一个簇头判决调制信号的调制类型为2ASK,那么投2ASK一票,对于其他调制类型也是采用相同做法,投票结束后,统计此次投票结果,若有某一调制类型票数超过了<img file="DEST_PATH_IMAGE012.GIF" wi="33" he="11" />,那么融合中心将此调制类型作为最后的判决结果。
地址 210003 江苏省南京市鼓楼区新模范马路66号