| 主权项 |
1.一种具有多层次大小数位调变信号之调变识别 方法,包含下列步骤: (a)选择多种量化値来建构相关于一序列资料大小 的多种统计长条图; (b)对每一欲被识别之调变种类,抽取出多种有用的 特征样品,作为该多种统计长条图的函数; (c)接收欲被识别之调变种类之调变目标信号之一 序列的取样,并建构相关于该取样大小的该多种统 计长条图;以及 (d)利用一种以样品识别为基础的分类方法,来识别 该调变目标信号的调变种类。 2.如申请专利范围第1项所述之调变识别方法,其中 步骤(b)中,该欲被识别之调变种类包括16-QAM、32-QAM 、64-QAM,128-QAM及256-QAM,而QAM是正交振幅调变的简称 。 3.如申请专利范围第1项所述之调变识别方法,其中 该步骤(b)是一个离线处理,并且更包含下列步骤: (b1)经由对该欲被识别之调变种类作模拟,建立一 资料库,该资料库包括含杂讯之已调变信号的产生 ;以及 (b2)以该资料库的该含杂讯调变信号的大小相关资 讯为基础,对该每一调变种类抽取出该多种有用的 特征。 4.如申请专利范围第第1项所述之调变识别方法,其 中步骤(d)中该分类方法系使用一种阶层式分类来 做调变识别。 5.如申请专利范围第1项所述之调变识别方法,其中 步骤(b)中该有用特征样品包括对该阶层式分类的 多层特征。 6.如申请专利范围第1项所述之调变识别方法,其中 步骤(c)中每一个统计长条图系用一向量表示,并由 下列步骤所建构: (c1)经由该每一之取样乘以自己的共轭复数,以得 到该调变信号的该每一取样的电功; (c2)对每一被选择的量化値,量化每一取样的该电 功,并计算不同强度出现的次数; (c3)对该每一被选择的量化値,将该次数除以该调 变目标信号的该取样总数,以得到该电功的机率分 布图,且称该机率分布图为一统计长条图;以及 (c4)对该每一被选择的量化値,将该统计长条图以 一有限长度的向量来表示,且称该向量为一目标向 量。 7.如申请专利范围第4项所述之调变识别方法,其中 该阶层式分类系应用线性区别分类、最大相似分 类、与最小相对熵度分类之其中一种分类。 8.如申请专利范围第4项所述之调变识别方法,其中 当采用该线性区别分类时,该阶层式分类更包括一 信赖区间检查步骤,该检查步骤经由一临界値判定 ,来加强调变识别的可靠度。 9.如申请专利范围第5项所述之调变识别方法,其中 该多层特征用于该阶层式分类的某一层时,代表该 调变信号的某一类或某一群的特性。 10.如申请专利范围第8项所述之调变识别方法,其 中该线性区别分类利用比较该目标向量与该有用 特征样品的内积値以区别该目标向量,并且该内积 値中最大的两个之间的差値称为差分。 11.如申请专利范围第8项所述之调变识别方法,其 中在该阶层式分类的上层分类中,系用一给定的临 界値来检查调变识别可靠度的信赖区间,并且若该 差分小于该给定的临界値,则需要更多该目标信号 的取样来做调变识别。 12.如申请专利范围第3项所述之调变识别方法,其 中步骤(b1)中该建立一资料库更包含下列步骤: (b11)从模拟得到该欲被识别之调变种类在不同讯 杂比的情况下,含杂讯的信号;以及 (b12)利用该多种量化値来量化该模拟信号的电功, 以对每一欲被识别之调变种类建构其个别的资料 库,并用多个向量来代表电功的分布图。 13.如申请专利范围第12项所述之调变识别方法,其 中该步骤(b11)更包含下列步骤: (b111)根据应用环境,决定该欲被识别之调变种类的 讯杂比的范围;以及 (b112)对不同种类的调变信号干扰,以不同的杂讯产 生该给定之讯杂比范围的该模拟信号。 14.如申请专利范围第1项所述之调变识别方法,其 中于步骤(a)中选择两个量化値,于步骤(b)中抽取七 个有用的特征样品,于步骤(c)中建构该取样序列之 电功的两个统计长条图,以及于步骤(d)中采用一种 两层式分类。 15.如申请专利范围第14项所述之调变识别方法,其 中该两个统计长条图的第一统计长条图与该七个 有用特征样品的三个层-1特征作比较,且其比较结 果区别了该目标信号为16-QAM、或是"32-QAM与128-QAM" 与"64-QAM与256-QAM"两群之一。 16.如申请专利范围第14项所述之调变识别方法,其 中若是该目标信号在第一层被区别为"32-QAM与128- QAM"与"64-QAM与256-QAM"两群之一,则该两个统计长条 图的第二统计长条图与该七个有用特征样品的两 个层-2特征作比较,且其比较结果区别了该目标信 号为32-QAM、128-QAM、64-QAM、及256-QAM之其中之一。 17.如申请专利范围第16项所述之调变识别方法,其 中该七个有用特征样本的两个层-2特征系用来区 别32-QAM与128-QAM,而该七个有用特征样品的另两个 层-2特征则系用来区别64-QAM与256-QAM。 18.如申请专利范围第14项所述之调变识别方法,其 中该阶层式分类系用内积、大小比较、与路径选 择来实现。 19.一种调变识别装置,其输入为欲被识别之具有多 层次大小之调变目标信号的取样序列,该调变识别 装置包含: 一离线处理单元,经由模拟建构欲被识别之调变种 类的含杂讯调变信号之资料库,并从该资料库之该 模拟信号大小的相关统计长条图,去抽取出该欲被 识别之调变种类之多种有用的特征样品; 一统计长条图产生器,量化该调变目标信号的输入 取样序列之大小相关资讯,并利用该调变目标信号 的输入取样序列之大小相关分布图得到的统计长 条图,去建构多种目标向量;以及 一分类单元,以该有用的特征样品和该多种目标向 量为基础,去识别该调变目标信号的调变种类。 20.如申请专利范围第19项所述之调变识别装置,其 中该欲被识别之调变种类包括16-QAM、32-QAM、64-QAM 、128-QAM与256-QAM,其中QAM是正交振幅调变的简称。 21.如申请专利范围第19项所述之调变识别装置,其 中该离线处理单元系以一具有资料处理单元的电 脑来实现。 22.如申请专利范围第19项所述之调变识别装置,其 中该分类单元更包含一内积运算器、一大小比较 器、以及一路径选择器。 23.如申请专利范围第22项所述之调变识别装置,其 中该分类单元更包含一信赖区间检查器,来加强该 调变识别装置的可靠度。 24.如申请专利范围第23项所述之调变识别装置,其 中该信赖区间检查器系以一大小比较器来实现。 图式简单说明: 第一图为经由样品识别之一种传统调变识别技术 。 第二图说明根据本发明之第一实施例的调变识别 方法流程图。 第三图进一步说明第二图中离线处理的步骤。 第四图进一步说明第二图里阶层式分类的步骤。 第五图说明根据本发明的第二实施例之流程图,其 中上层分类使用一个临界値判定,来检查调变识别 的可靠度信赖区间。 第六图说明备有传送器与接收器之通讯系统的一 个方块图,其中本发明的调变识别应用于此通讯系 统。 第七图说明根据本发明之一个调变识别装置的线 路图。 |
