基于高阶统计量与信噪比盲估计的分布式协同信号识别方法

摘要

一种基于高阶统计量和信噪比盲估计的分布式信号识别方法，其步骤为：特征空间的建立；针对特殊类型的调制信号将提取的特征和估计的信噪比作为SVM的输入，建立调制信号识别分类器；第三步，各传感器节点对接收信号进行信噪比盲估计，并将特征参数一起传送给融合中心，融合中心利用信噪比为各传感器节点的分配权值，得到融合后的特征参数，从而进行调制类型识别。本发明与现有技术相比，对于单传感器节点，算法能在低信噪比条件下保持较高的识别概率；识别的信号种类多；利用对对信噪比的盲估计，在特征层进行融合，从而可使得在多数传感器节点信道条件极其恶劣的情况下，仍能保持对目标信号的识别准确率。

主权项

1.一种基于高阶统计量与信噪比盲估计的分布式信号识别方法，它包括以下步骤：第一步，对于电磁信号进行频谱监测时，各传感器节点对接收信号恢复得到复基带信号其中，E是接收信号的平均功率，a_k为发送码元序列，p(·)是发送码元波形，T_s为码元带宽，ω_c为载波频率，θ_c为载波相位，所有n_i(t)均为零均值的复高斯白噪声，且方差为N₀，采用各类数字调制信号的高阶累积量值C_mn，构建特征参数T₁、T₂，其中T₁＝|C₄₀|/|C₄₂|，T₂＝|C₄₁|/|C₄₂|；第二步，根据T₁、T₂将待识别的接收信号调制种类分为三大类，第一类{2ASK/BPSK、4ASK}、第二类{QPSK、16QAM}、第三类{2FSK、4FSK、8PSK、MSK}；其特征是在第二类QPSK、16QAM的具体识别方法为：(a)建立特征T₃＝|C₄₂|/|C₂₁|²作为识别QPSK、16QAM的参数；(b)构建分类样本，将QPSK、16QAM在不同信噪比下的T₃值及其对应的信噪比作为分类样本；(c)样本训练，将上述构建的分类样本分别通过支持向量机SVM进行训练得到最优分类参数α_i和b，从而得到用于识别QPSK、16QAM的最优分类函数(d)盲信噪比估计，采用基于协方差矩阵和奇异值分解的方法对传感器节点接收到的信号进行盲估计，得到信噪比的估计量。(e)信号识别，计算接收信号的T₃值，结合步骤(d)中的信噪比估计量，得到待识别样本，将其作为支持向量机(SVM)的输入，结合(c)中已建立的判别函数，得到识别结果。