專利名稱：一種mpsk調(diào)制信號識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種在未知SNR條件下自動識別MPSK調(diào)制信號的方法，可應(yīng)用于自適 應(yīng)調(diào)制解調(diào)、軟件無線電以及認(rèn)知無線電系統(tǒng)中，屬于通信信號處理的技術(shù)領(lǐng)域。
背景技術(shù)：
通信信號的自動分類和識別技術(shù)作為自適應(yīng)調(diào)制、軟件無線電以及認(rèn)知無線電的基 礎(chǔ)，日益受到重視。其重要特點是能夠檢測未知調(diào)制制式的通信信號，識別其調(diào)制類型。 MPSK信號在短波通信、衛(wèi)星通信和移動通信中廣泛應(yīng)用。因此，對MPSK信號的調(diào)制分 類有著重要的應(yīng)用價值。
在己有的給類調(diào)制識別方法中，以星座圖作為特征的調(diào)制識別方法具有很強的魯棒 性。依據(jù)接收信號在二維平面上點的分布在一定SNR下表現(xiàn)出聚集性，文獻(xiàn)Schreyogg C . Identification of voice band data signal constellations using a divisive cluster algorithm[J]. (IEEE Digital Processing Workshop Proceedings, 1996, 474-477)中，采用c-均il[,g類方t去，文獻(xiàn)Mobasseri B G. Digital modulation classification using constellation shape[J]. (Signalprocessing, 2000, 80(2) : 251-277 )中，采用模糊c-均值聚類方法對信 號進(jìn)行分類。但上述方法的前提是聚類數(shù)M已知。文獻(xiàn)基于動態(tài)聚類的MPSK信號調(diào)制 分類(羅明，楊紹全；電路與系統(tǒng)學(xué)報，2005， 10(2): 83-87)通過分別計算M=2, 4， 8 的聚類損失函數(shù)，以函數(shù)拐點作為M值判別的依據(jù)。但該方法每次均需計算多個聚類損失 函數(shù)，欠缺靈活性。而且，在低SNR下，由于函數(shù)拐點模糊，因此不易準(zhǔn)確判斷類別數(shù)， 識別結(jié)果受主觀因素影響較強。

發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提出一種MPSK調(diào)制信號的識別方法，該方法 能在未知M和SNR的條件下，根據(jù)觀測值自動調(diào)整參數(shù)，通過推斷信號分布進(jìn)行聚類， 自動識別調(diào)制方式，具有自適應(yīng)性。
本發(fā)明采用的技術(shù)方案，通過將未知SNR的MPSK信號建模為基于DPGMM，在此基礎(chǔ)上，根據(jù)觀測值依據(jù)非參數(shù)貝葉斯方法進(jìn)行推斷，采用蒙特卡洛馬爾可夫鏈(MCMC) 算法對調(diào)制信號進(jìn)行聚類，從而實現(xiàn)MPSK分類。 本發(fā)明的技術(shù)方案是-
一種MPSK調(diào)制信號識別方法，該方法包括下列步驟
1) 通過將未知SNR的MPSK信號看成復(fù)平面內(nèi)混合高斯模型產(chǎn)生，建立基于狄利克 雷過程先驗的混合高斯模型；
2) 利用貝葉斯推斷方法，計算未知SNR的MPSK信號的后驗分布概率，依據(jù)概率分 布，得到對M值的估計。
所述步驟2)中，在計算后驗概率的過程中，進(jìn)一步采用基于吉布斯(Gibbs)的MCMC 的隨機采樣方法，根據(jù)接收到的信號，通過多次迭代，推斷得到后驗概率。
本發(fā)明的有益效果在于本發(fā)明并不事先對星座數(shù)M做任何假設(shè)，可以在未知SNR 的條件下，根據(jù)接收機得到的測量信號，進(jìn)行后驗概率的推斷。根據(jù)后驗概率分布得到對 MPSK調(diào)制數(shù)的估計。與現(xiàn)有的基于星座圖的調(diào)制識別方法相比，本發(fā)明對識別信號的先 驗信息依賴少，具有靈活，應(yīng)用范圍廣的優(yōu)點。
具體實施例方式
為了更好的理解本發(fā)明的技術(shù)方案，以下結(jié)合實施例作進(jìn)一步的詳細(xì)描述。 實施例1
1)對未知SNR的MPSK信號進(jìn)行建模 MPSK等效基帶接收信號如式(l)所示-
= ^ E一 w+exp(y27r/0"r+ye )+(i)
式中義(/)是信號序列，J是未知幅值因子，wo是未正確均衡的信道在等效基帶信號上的殘
余效應(yīng)，r是符號間隔，^是定時誤差，/。是載波頻偏，^是在符號恢復(fù)時每次采樣的相
位抖動，g(")是加性復(fù)高斯白噪聲。為簡化分析，假設(shè)在理想白噪聲環(huán)境下，即信道己經(jīng)
被完全均衡，信道的殘余效應(yīng)wo可忽略，其他參數(shù)如r和x已被成功估計。并假設(shè)傳輸 符號是獨立同分布，且信號和噪聲相互獨立。此時，接收的符號序列可以表述成
>;(")=辟)+g(") (2) 在復(fù)平面上，MPSK信號的每一個星座點可以看成一個復(fù)值點。由于式(2)中幅變因子j和加性噪聲g(")的存在，(/ = 1,2，...,似)星座的等效基帶信號少,.服從以//為中心的二維
高斯分布。而接收信號總體y-b^J則可以看成由M分量組成的混合高斯模型產(chǎn)生，其概 率模型表述為
rk《,..A ~ JXiV(禽),T^ e((VT2,A)l;r,0, JX =1} (3)
接收信號X依多項式分布;r獨立從M類選取第yfc類分量，且y, iVak)。類參數(shù) 《=(>4,八4)表示第A:類的均值A(chǔ)和方差A(yù),。由于待識別MPSK信號中M和SNR未知，
所以(A,AJ未知，同時先驗分布;^不能預(yù)先確定。
本發(fā)明并不預(yù)先對調(diào)制數(shù)M做特定假設(shè)，而是將其看成是任意值，采用狄利克雷過程 作為類參數(shù)《的先驗分布，而將接收信號r = {>^ }看成是服從參數(shù)為《的混合高斯模型產(chǎn) 生。因此，未知SNR的MPSK信號可以建模為
2)基于貝葉斯推斷的調(diào)制識別方法
根據(jù)模型(4)，調(diào)制識別的任務(wù)就是通過MPSK等效基帶接收信號y二O^J，來推斷類
參數(shù)《及其個數(shù)Af。本發(fā)明通過計算后驗概率;7(^Jy,》來進(jìn)行推斷。
基于上述模型的后驗概率p(^ly,J計算可利用Gibbs采樣的MCMC方法得到。Gibbs
采樣需要對尸(《|0('—^乂)進(jìn)行采樣，其中0('-i魚l、，。由貝葉斯公式
i^，('-oc尸Cv，,)尸(《,-))(5) 《的概率密度隱含基于狄利克雷過程。假設(shè)《，...,《為分布0中"個隨機釆樣，
《IG' G，其中G Z)尸(G。,a),則后驗分布Gl《"也是狄利克雷過程，并有
Gl《"~ Z)P(丄G。 +丄&," + ") (6) 通過積分消去G后，預(yù)測分布服從Polya imi表示
《+x~~^:lx+丄G。(7)
參考式(7)，先驗概率《表示為尸(《)) = _j_^t《+_^Go (8)
一
似然函數(shù)PCM《)的計算如下
對于未知均值和方差的高斯分布可采用W/『表示其共軛先驗，即協(xié)方差矩陣A服從方
差參數(shù)為厶，自由度為v的逆Wishart先驗分布,記A /『(>,△);均值/i服從條件高斯分 布，p/A iV0 ，A/k)，其中矽為期望均值，k為y, JV(At,A)的偽觀測數(shù)。Gu，A)的聯(lián)合
先驗分布
/7(//,AIk,t ，v,A)ocIAI 2 exp(-^r(i/厶A—')-^0-WfA一10 —W)) (9)
記為7V/『(/f，A^,A)，其中d為協(xié)方差矩陣維數(shù)。
由A^T的共軛特性，其后驗分布仍服從iV/『。即，假設(shè)接收信號y二化.KU服從多分 量高斯分布W(A,A)，其中(p,A)的先驗分布服從A7『(/r,Av,A)，貝iJ(Ai,A)的后驗分布 P(M,aI^，…x,k,A'/,厶)~iV/『(&》,7,5)。超參(&》，F(xiàn)，5)更新如式(10)和(11)所示
+ ^-k + w (10)
—— iV __
i^-必+》,,7 = k + w (11) 通過對后驗iV/『參數(shù)的積分，可以得到新觀測值凡+1的預(yù)測似然近似服從高斯分布
力丄,…，;^，Av，a)sUJ, —+ (12) 式(12)可以作為聚類分析中貝葉斯推斷的似然比。
綜合上述，整個算法總結(jié)如下
計算當(dāng)前所有類的E (式(IO))， S (式(ll))，以及方差—(f + 1)i7 Z;
根據(jù)近似高斯分布，計算y,到當(dāng)前所有類的似然函數(shù)戶0^,1《)(式(12)); 計算先驗概率尸W，'-))(式(8));
綜合式(8)和式(12)，計算后驗概率尸(《W—)，x)(式(5))采樣后驗概率分布，確定y,所屬的類別，更新該類中^ ， S，以及該類中的個數(shù)。通過 多次迭代，直至算法收斂。依據(jù)后驗概率分布，對MPSK信號的調(diào)制數(shù)M進(jìn)行估計。
權(quán)利要求
1、一種MPSK調(diào)制信號識別方法，該方法包括下列步驟1)通過將未知SNR的MPSK信號看成復(fù)平面內(nèi)混合高斯模型產(chǎn)生，建立基于狄利克雷過程先驗的混合高斯模型；2)利用貝葉斯推斷方法，計算未知SNR的MPSK信號的后驗分布概率，依據(jù)概率分布，得到對M值的估計。
2、 根據(jù)權(quán)利要求1所述的魯棒定位方法，其特征是，所述步驟2)中，在計算未知 SNR的MPSK信號的后驗概率的過程中，進(jìn)一步采用基于吉布斯采樣的蒙特卡洛馬爾可夫 鏈的隨機采樣方法，根據(jù)接收到的信號，通過多次迭代，推斷得到后驗概率。
3、 根據(jù)權(quán)利要求1所述的魯棒定位方法，其特征是，所述計算未知SNR的MPSK信 號的后驗分布概率包括下列步驟-3.1)根據(jù);^ = /^ + |>, f = /r + "，計算當(dāng)前所有類的f》，/=1根據(jù)^二vA + l^,;;,+^^-7=^ + "計算當(dāng)前所有類的^ ，以及方差 1)3.2) 根據(jù)近似高斯分布pO^I力…凡,y，A^A)aiVO;"+,;》,—,(+ ^，、^)，計算y,到當(dāng)前所有類的似然函數(shù)尸Cy, |《)；3.3) 根據(jù)尸(《=0|^'-)) = ~L_^t&"+_^G。，計算先驗概率/X《,一))；Cf + W — l^f ' 'a + w — l3.4) 綜合,= _J_^(^十""^G。和 力丄，…，X^力,A) ^吣 +1;》,，("，，、》'計算后驗概率戶W,—),x)。
全文摘要
本發(fā)明涉及一種MPSK調(diào)制信號識別方法，該方法能在未知調(diào)制制式M和信噪比SNR的條件下，根據(jù)觀測值自動調(diào)整參數(shù)，通過推斷信號分布進(jìn)行聚類，自動識別調(diào)制方式，具有自適應(yīng)性。本發(fā)明的技術(shù)方案是一種MPSK調(diào)制信號識別方法，該方法包括下列步驟通過將未知SNR的MPSK信號看成復(fù)平面內(nèi)混合高斯模型產(chǎn)生，建立基于狄利克雷過程先驗的混合高斯模型(DPGMM)；利用貝葉斯推斷方法，計算未知SNR的MPSK信號的后驗分布概率，依據(jù)概率分布，得到對M值的估計。
文檔編號H04L27/18GK101510863SQ200910026020
公開日2009年8月19日 申請日期2009年3月17日 優(yōu)先權(quán)日2009年3月17日
發(fā)明者胡紅梅, 亮 陳 申請人:江蘇大學(xué)