專利名稱：基于聚類算法的mqam信號識別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于通信技術(shù)領(lǐng)域，具體涉及正交振幅調(diào)制信號MQAM的識別方法，用于對頻帶信號下變頻時的載波估計以及在多徑信道、低信噪比條件下對多進制，4QAM，16QAM，32QAM，64QAM信號星座圖的盲識別。
■
背景技術(shù)：
通信信號調(diào)制方式的識別是信號分析的重要部分，也是軟件無線電的關(guān)鍵技術(shù)，可以廣泛地應(yīng)用于軍用和民用上。在一些通信中，由于接收端未知發(fā)送信號的調(diào)制方式，所以需要進行調(diào)制方式的識別以達到信號處理的要求。MQAM是常用的數(shù)字調(diào)制方式，它在微波通信、衛(wèi)星通信和網(wǎng)絡(luò)通信中有廣泛的應(yīng)用，對MQAM進行調(diào)制識別研究有著重要的意義。MQAM調(diào)制方式是一種高效的頻譜調(diào)制方式，同時進行了幅度和相位的調(diào)制。由于任何一種數(shù)字幅相調(diào)制信號都可以用星座圖唯一表示，因此利用這種關(guān)系，基于星座圖聚類的方法成為了數(shù)字幅相調(diào)制信號識別的重要方法之一。聚類分析作為一個獨立的工具透視數(shù)據(jù)分布，在分析過程中不需要訓(xùn)練樣本進行學(xué)習(xí)和訓(xùn)練，它利用多個觀測指標將相似程度大的樣本聚合為一類，用于提取數(shù)據(jù)之間不明顯的分類關(guān)系。
目前對用聚類方法分星座圖信號主要文章有2004年清華大學(xué)ZHAN Ya-feng，CAOZhi-gang，MA Zheng-xin等人提出對信號進行參數(shù)估計，插值，解卷，聚類最后得到識別結(jié)果，參考文獻《Modulation classification of M-QAM signals》2004年通信學(xué)報第二期第2卷，文中對載波的估計采用了復(fù)信號的四次方變換后，其頻譜含四次方分量頻率，依次估計出信號載波頻率，再通過CZT(線性Z變換)進行細微估計，雖然采取了對載頻估計CZT精確的方法，但是載波估計偏差仍然很大；近年王希維利用減法聚類算法重建了接收信號的星座圖，然后給出了通過構(gòu)造評估函數(shù)來識別信號的調(diào)制方式，參考《基于星座圖聚類分析的QAM信號調(diào)制識別算法及其DSP實現(xiàn)》電子元器件應(yīng)用2009年第11期第6卷，文中理想化了信號環(huán)境，不考慮頻偏的影響，對信號星座圖聚類識別采取了通常的多種聚類半徑識別，系統(tǒng)復(fù)雜運算量大；Hanwen Cheng，HuaHan，Lenan Wu，Liang Chen等人的《A 1-Dimension Structure Adaptive Self-organizing NeuralNetwork for QAM Signal Classification》IEEE Third intemational Conference on Natural Computation2007等等，文中仿真環(huán)境為高斯白噪聲下，雖然通過取信號的的瞬時幅度或相位作為聚類特征來改變聚類多半徑問題但是在低信噪比下信號的識別率相當?shù)汀?br> 由上述典型文獻以及目前涉及該方向所以文獻來看，對于聚類方法分星座圖信號一般分為兩種情況第一，直接采用理想情況下的復(fù)基帶信號在高斯噪聲下的識別，此識別方式將信號的載波頻率偏移給忽略；第二，不考慮頻率影響直接聚類，將信號星座圖聚成同心圓的形式。第一種情況理想化了聚類環(huán)境，使得在有載波頻率影響下無法將信號給區(qū)分開來，第二種情況由于同心圓在低信噪比的情況下由噪聲和多徑的影響使得信號的識別率很低。再者，由于對信號的聚類都用到了不同的聚類半徑，造成識別系統(tǒng)復(fù)雜，計算量大。
■

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提供一種基于聚類算法的MQAM信號識別方法，以消除在低信噪比、多徑信道的非理想情況下，頻帶信號下變頻過程中存在頻偏對識別效果的影響，減小識別系統(tǒng)復(fù)雜度和運算量，提高信號識別率。
為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括 (1)將接收到的MQAM信號表示為 n＝1，2，….N 其中，x(n)是接收信號序列，h(·)是多徑信道的沖激響應(yīng)， v(n)是加性高斯白噪聲，其均值為0，方差為σ2， k為序列數(shù)，N是采樣點數(shù)， m＝1，2…， Ts是符號周期，M為進制數(shù)，IM為基帶信號同向分量， QM為基帶信號正交分量， wc＝2πfc，fc為載波頻率，g(t)為門函數(shù)； (2)對接收到的信號序列x(n)進行循環(huán)逼近下變頻變換，得到基帶信號s′(k)＝I′M(k)+j*Q′M(k)，I′M表示受到噪聲和多徑干擾后的基帶信號s′(k)同向分量，Q′M表示受到噪聲和多徑干擾后的接收信號s′(k)正交分量； (3)對基帶信號s′(k)進行小波消噪，減小噪聲對信號的干擾； (4)對小波消噪后的基帶信號作均衡處理，得到均衡處理后的信號 s″(k)＝I″M(k)+j*Q″M(k)， 其中，I″M表示s″(k)的同向分量，Q″M表示s″(k)正交分量； (5)提取s″(k)的同向分量I″M和正交分量Q″M作為聚類特征集

并對該特征集進行聚類； (6)根據(jù)聚類中心點的個數(shù)的不同識別出不同的信號，若聚類中心點個數(shù)為2時判為4QAM信號，若聚類中心點個數(shù)為4時判為16QAM信號，若聚類中心點個數(shù)為6時判為32QAM信號，若聚類中心點個數(shù)為7，8或9時判為64QAM信號。
所述的對接收到的信號序列x(n)進行循環(huán)逼近下變頻，按如下步驟進行 (2a)對信號序列x(n)作希爾伯特變換hilbert后，再作四次方變換得到信號四次方序列y(n)； (2b)對信號四次方序列y(n)作快速傅立葉變換FFT得到其頻譜； (2c)搜索頻譜中歸一化幅度最大點對應(yīng)的頻率值f0，得到信號序列x(n)頻率估計值Δfc＝f0/4的粗略估計； (2d)將信號序列x(n)頻率估計值Δfc向左移L長度，得到信號序列x(n)頻率左側(cè)的估計值f′c＝Δfc-L，且滿足f′c＞0； (2e)若信號序列x(n)頻率左側(cè)的估計值f′c＞ε，ε為誤差精度，則進行頻譜搬移，實現(xiàn)方法為n＝1，2…N，然后調(diào)整L的長度后重復(fù)步驟(2a)； (2f) 若信號序列x(n)頻率左側(cè)的估計值f′c＜ε，結(jié)束估計過程，則此時信號序列x(n)為經(jīng)過下變頻后的基帶信號。
本發(fā)明具有如下的優(yōu)點 本發(fā)明通過循環(huán)逼近下變頻得到無載波頻率干擾的基帶信號星座圖，根據(jù)星座圖的對稱性，提取基帶信號同向分量，正交分量為一個聚類特征集，提高聚類中心點的聚類密度，避免了傳統(tǒng)方法中不同信號聚類需要不同聚類半徑的問題，如4QAM信號聚類半徑r4QAM＝0.33，16QAM信號聚類半徑r16QAM＝0.22，32QAM信號聚類半徑r32QAM＝0.14，64QAM信號聚類半徑r64QAM＝0.09，本發(fā)明只用一種聚類半徑識別出信號集內(nèi)的所有信號，因此大大減小了計算量，簡化了識別系統(tǒng)，提高了信號識別率。



圖1是本發(fā)明的MQAM數(shù)字信號間識別的流程圖； 圖2是在多徑情況下用傳統(tǒng)的聚類算法對噪聲為5db下16QAM信號聚類星座圖； 圖3是在多徑情況下用傳統(tǒng)的聚類算法對噪聲為5db下32QAM信號聚類星座圖； 圖4是在多徑情況下用傳統(tǒng)的聚類算法對噪聲為5db下64QAM信號聚類星座圖； 圖5是用本發(fā)明方案對多徑情況下噪聲為5db下4QAM，16QAM，32QAM，64QAM信號聚類100次分類仿真圖。

具體實施例方式 本發(fā)明中使用的信號源集合為4QAM，16QAM，32QAM，64QAM。
由于不同的QAM信號星座圖不同，要通過不同的星座圖識別出不同的信號，本發(fā)明先將對接收到的信號下變頻，消除載波頻率影響，再通過小波消噪，均衡減小噪聲，多徑的影響，最后對處理后的信號聚類特征集聚類，得到不同信號的星座圖聚類中心點數(shù)。
參照圖1，本發(fā)明的具體實現(xiàn)步驟如下 步驟1.將接收到的MQAM信號表示為 n＝1，2，….N 其中，x(n)是接收信號序列，h(·)是多徑信道的沖激響應(yīng)， v(n)是加性高斯白噪聲，其均值為0，方差為σ2， k為序列數(shù)，N是采樣點數(shù)， m＝1，2…， Ts是符號周期，M為進制數(shù)，IM為基帶信號同向分量， QM為基帶信號正交分量， wc＝2πfc，fc為載波頻率，g(t)為門函數(shù)； 步驟2.對接收到的頻帶信號下變頻到基帶，消除載波頻率fc對識別的影響，其實現(xiàn)過程如下 (2a)對信號序列x(n)作希爾伯特變換hilbert后，再作四次方變換得到信號四次方序列y(n)； (2b)對信號四次方序列y(n)作快速傅立葉變換FFT得到其頻譜； (2c)搜索頻譜中歸一化幅度最大點對應(yīng)的頻率值f0，得到信號序列x(n)頻率估計值Δfc＝f0/4的粗略估計； (2d)將信號序列x(n)頻率估計值Δfc向左移L長度，得到信號序列x(n)頻率左側(cè)的估計值f′c＝Δfc-L，且滿足f′c＞0； (2e)若信號序列x(n)頻率左側(cè)的估計值f′c＞ε，ε為誤差精度，則進行頻譜搬移，實現(xiàn)方法為n＝1，2…N，然后調(diào)整L的長度后重復(fù)步驟a)； (2f) 若信號序列x(n)頻率左側(cè)的估計值f′c＜ε，結(jié)束估計過程，則此時信號序列x(n)為經(jīng)過下變頻后的基帶信號。
此時得到的下變頻后的信號x(n)為受到噪聲和多徑干擾后的基帶信號s′(k)＝I′M(k)+j*Q′M(k)，I′M為s′(k)同向分量，Q′M為s′(k)正交分量； 步驟3.對基帶信號s′(k)進行小波消噪，減小噪聲對基帶信號s′(k)的干擾，小波消噪的實質(zhì)是抑制信號中的無用部分，恢復(fù)信號中的有用部分的過程。
步驟4.對小波消噪后的基帶信號作均衡處理，減小多徑對基帶信號s′(k)的影響，得到均衡處理后的信號 s″(k)＝I″M(k)+j*Q″M(k)， 其中，I″M表示s″(k)的同向分量，Q″M表示s″(k)正交分量； 步驟5.根據(jù)星座圖的對稱性，提取s″(k)的同向分量I″M和正交分量Q″M作為聚類特征集

提高聚類中心點的聚類密度，用一種聚類半徑對聚類特征集聚類得出聚類中心點個數(shù)，聚類過程如下 (5a)計算聚類特征集內(nèi)所有點的聚類密度，計算公式為 其中，ra為聚類半徑，xi，xj為聚類特征集

中的第i點和第j點； (5b)選擇具有最高聚類密度的聚類特征點為第一個聚類中心點xc1，并對每個聚類特征點的聚類密度進行修正，修正公式為 i＝1，2，…，2N (2) 其中，rb為修正半徑rb＝2ra，xck是第k個聚類中心點，Dck是第k個聚類中心點xck的聚類密度，Di為第i個聚類特征點的聚類密度，D′i為第i個聚類特征點修正后的聚類密度； (5c)選擇修正后聚類密度集[D′1，D′2，…，D′2N]中最大值D′l以及其對應(yīng)的聚類特征點xl； (5d)判斷xl是否為聚類中心點，判斷方法如下 (5d1)當D′l＞εDc1，Dc1為第一個聚類中心點的聚類密度，認為xl為第k+1個聚類中心點xc(k+1)，再用公式(2)對[D′1，D′2，…，D′2N]進行修正，然后轉(zhuǎn)到(5c)； (5d2)當εDc1＜D′l＜εDc1時，定義dmin為xl和已確定的聚類中心點間距離的最小值 若滿足下式 認為xl為第k+1個聚類中心點xc(k+1)，再用公式(2)對[D′1，D′2，…，D′2N]進行修正，然后轉(zhuǎn)到(5c)； 若不滿足不等式(3)，認為x1是聚類中心，將該數(shù)據(jù)點的密度指標D′l設(shè)為零，選擇余下聚類特征點中具有最高的密度指標的點為待確認的點，轉(zhuǎn)到(5d1)。
(5d3)當D′l＜εDc1，認為xl不是聚類中心點，終止聚類過程，得出所有聚類中心點的個數(shù)； 在上述判決的過程中，參數(shù)ε為認定一個聚類特征點為聚類中心的上限門限，即接受門限，參數(shù)ε為拒絕一個數(shù)據(jù)點為聚類中心的下限門限，即拒絕門限。
步驟6.根據(jù)聚類中心點的個數(shù)的不同識別出不同的信號，若聚類中心點個數(shù)為2時判為4QAM信號，若聚類中心點個數(shù)為4時判為16QAM信號，若聚類中心點個數(shù)為6時判為32QAM信號，若聚類中心點個數(shù)為7，8或9時判為64QAM信號。
為了證明此發(fā)明的有效性，采用下列仿真環(huán)境對4QAM，16QAM，32QAM，64QAM，進行仿真 1.仿真環(huán)境，見表1 表1仿真環(huán)境

2.仿真內(nèi)容及結(jié)果 1)對信號16QAM用循環(huán)逼近下變頻后，用傳統(tǒng)的聚類方式聚類半徑為r16QAM＝0.22的進行聚類，聚類結(jié)果見圖2； 2)對信號32QAM用循環(huán)逼近下變頻后，用傳統(tǒng)的聚類方式聚類半徑r32QAM＝0.14進行聚類，聚類結(jié)果見圖3； 3)對信號64QAM用循環(huán)逼近下變頻后，用傳統(tǒng)的聚類方式聚類半徑r64QAM＝0.09進行聚類，聚類結(jié)果見圖4； 由圖2、圖3和圖4可以看出(a)接受信號經(jīng)過循環(huán)逼近下變頻處理后，信號的受載波頻率干擾??；(b)傳統(tǒng)聚類方式聚類效果受噪聲，多徑影響大，即使在各自信號最好的聚類半徑情況下，聚類效果也不好；(c)信號聚類受到聚類半徑影響大； 4)利用本發(fā)明方法對4QAM，16QAM，32QAM，64QAM信號個進行100次聚類試驗仿真，仿真結(jié)果如圖5； 由圖5可以看出4QAM，16QAM，32QAM，64QAM信號通過聚類后的聚類中心點數(shù)分別為2，4，6，8，這些點數(shù)與理論信號聚類中心點數(shù)一致，因此即使在低信噪比，多徑情況下，也可以識別出信號集中所有的信號。
權(quán)利要求
1.一種基于聚類算法的MQAM信號識別方法，包括如下步驟
(1)將接收到的MQAM信號表示為
n＝1，2，….N
其中，x(n)是接收信號序列，h(·)是多徑信道的沖激響應(yīng)，
v(n)是加性高斯白噪聲，其均值為0，方差為σ2，
k為序列數(shù)，N是采樣點數(shù)，
Ts是符號周期，M為進制數(shù)，IM為基帶信號同向分量，
QM為基帶信號正交分量，
wc＝2πfc，fc為載波頻率，g(t)為門函數(shù)；
(2)對接收到的信號序列x(n)進行循環(huán)逼近下變頻變換，得到基帶信號s′(k)＝I′M(k)+j*Q′M(k)，I′M表示受到噪聲和多徑干擾后的基帶信號s′(k)同向分量，Q′M表示受到噪聲和多徑干擾后的接收信號s′(k)正交分量；
(3)對基帶信號s′(k)進行小波消噪，減小噪聲對信號的干擾；
(4)對小波消噪后的基帶信號作均衡處理，得到均衡處理后的信號
s″(k)＝I″M(k)+j*Q″M(k)，
其中，I″M表示s″(k)的同向分量，Q″M表示s″(k)正交分量；
(5)提取s″(k)的同向分量I″M和正交分量Q″M作為聚類特征集
并對該特征集進行聚類；
(6)根據(jù)聚類中心點的個數(shù)的不同識別出不同的信號，若聚類中心點個數(shù)為2時判為4QAM信號，若聚類中心點個數(shù)為4時判為16QAM信號，若聚類中心點個數(shù)為6時判為32QAM信號，若聚類中心點個數(shù)為7，8或9時判為64QAM信號。
2.根據(jù)權(quán)利要求1所述的基于聚類算法的MQAM信號識別方法，其中步驟(2)所述的對接收到的信號序列x(n)進行循環(huán)逼近下變頻，按如下步驟進行
(2a)對信號序列x(n)作希爾伯特變換hilbert后，再作四次方變換得到信號四次方序列y(n)；
(2b)對信號四次方序列y(n)作快速傅立葉變換FFT得到其頻譜；
(2c)搜索頻譜中歸一化幅度最大點對應(yīng)的頻率值f0，得到信號序列x(n)頻率估計值Δfc＝f0/4的粗略估計；
(2d)將信號序列x(n)頻率估計值Δfc向左移L長度，得到信號序列x(n)頻率左側(cè)的估計值f′c＝Δfc-L，且滿足f′c＞0；
(2e)若信號序列x(n)頻率左側(cè)的估計值f′c＞ε，ε為誤差精度，則進行頻譜搬移，實現(xiàn)方法為，n＝1，2…N，然后調(diào)整L的長度后重復(fù)步驟(2a)；
(2f)若信號序列x(n)頻率左側(cè)的估計值f′c＜ε，結(jié)束估計過程，則此時信號序列x(n)為經(jīng)過下變頻后的基帶信號。
全文摘要
本發(fā)明公開了一種基于聚類算法的MQAM信號識別方法，主要解決由多聚類半徑引起的調(diào)制識別系統(tǒng)復(fù)雜，運算量大，識別率低的方法。其實施步驟為首先采用了循環(huán)逼近的思想對接收信號的實際載波頻率進行無限逼近估計，使得能消除載波頻率對聚類識別的影響；再通過小波消噪，均衡技術(shù)處理減小噪聲，多經(jīng)對聚類識別的影響；最后根據(jù)星座圖的對稱性，取基帶信號的同向分量和正交分量為一個聚類特征集，增加聚類中心點的聚類密度，由一種聚類半徑對聚類特征集進行聚類根據(jù)聚類中心點數(shù)識別出信號集中信號。仿真結(jié)果表明，本發(fā)明具有減小運算量，簡化識別系統(tǒng)，提高識別率的優(yōu)點，可用于識別4QAM、16QAM、32QAM和64QAM信號。
文檔編號H04L27/38GK101764786SQ200910219448
公開日2010年6月30日 申請日期2009年12月11日 優(yōu)先權(quán)日2009年12月11日
發(fā)明者李兵兵, 殷昌義, 李艷玲 申請人:西安電子科技大學(xué)