本發(fā)明屬于通信及水下信號處理技術領域，尤其涉及一種alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法。

背景技術：

信號的調(diào)制識別是信號檢測和解調(diào)之間的一個關鍵技術，在軍事和民用領域都有廣泛應用。傳統(tǒng)的數(shù)字調(diào)制信號識別方法多以高斯噪聲為噪聲模型，而在實際環(huán)境中的噪聲往往具有尖峰脈沖性質(zhì)且噪聲的概率密度函數(shù)有較厚的拖尾。nikias教授等人的研究證明，alpha穩(wěn)定分布是描述這類脈沖噪聲信號的一種有效的模型。在通信過程中，信道會對接收信號的包絡產(chǎn)生很大影響，從而擾亂調(diào)制識別的結果。信號在發(fā)收兩個通信端之間傳輸時，除了包含直達路徑外，還存在多條不同傳輸時間延時的路徑，原因是傳輸空間中的障礙物會對信號進行反射、散射或折射作用，使傳播中的信號幅度衰減并產(chǎn)生碼間干擾，被稱為多徑效應。實際傳輸中的信道多數(shù)都會體現(xiàn)多徑的性質(zhì)，因此研究脈沖噪聲多徑衰落信道下數(shù)字調(diào)制信號的識別方法具有一定的意義。chavalivg等人采用混合高斯分布建立加性噪聲的模型，在平坦衰落信道下分類識別調(diào)幅調(diào)相信號。該研究采用期望條件最大化算法迭代得出未知的信號衰減指數(shù)和噪聲參數(shù)，最后根據(jù)復合假設檢驗過程分類bpsk、qpsk、8psk和16qam信號，仿真的平均識別準確率較高，然而性能的好壞依賴于未知的信道和噪聲參量估計的精確程度，除此之外還依賴于樣本點個數(shù)的多少(chavalivg,dasilvacrcm.maximum-likelihoodclassificationofdigitalamplitude-phasemodulatedsignalsinflatfadingnon-gaussianchannels[j].ieeetransactionsoncommunications,2011,59(8):2051-2056.)。v.gauthamchavali等人在平坦衰落信道下，研究有時間相關高斯混合模型噪聲干擾的2/4/8psk和16qam信號的識別。首先采用ar模型對時間相關的噪聲進行建模，利用穩(wěn)健濾波器新方法估計出ar模型的參數(shù)，然后用估計出的參數(shù)作為白化濾波器的系數(shù)，利用期望條件最大化算法估計未知的信道和噪聲參數(shù)，最后采用復合假設檢驗實現(xiàn)分類識別。當gsnr在8db時，識別的平均準確率在70％左右，識別率較低(v.gauthamchavali,claudior.c.m.dasilva.classificationofdigitalamplitude-phasemodulatedsignalsintime-correlatednon-gaussianchannels[j].ieeetransactionsoncommunications,2013,61(6):2408-2419.)。wallaytw等人采用高斯混合模型的噪聲，考慮了頻率選擇性信道下16qam和2/4/8psk信號的分類識別，未知的信道和噪聲參數(shù)采用期望條件最大化算法估計，然后選用復合假設檢驗完成識別，但是該方法假設多徑信道各徑的時間延遲相同(wallaytw,younisms,imranm,etal.automaticmodulationclassificationforlowsnrdigitalsignalinfrequency-selectivefadingenvironments[j].wirelesspersonalcommunications,2015,84(3):1-16.)。

綜上所述，現(xiàn)有技術存在的問題是：目前的數(shù)字調(diào)制信號的識別方法在alpha穩(wěn)定分布噪聲衰落信道環(huán)境下存在識別率較低。

技術實現(xiàn)要素：

針對現(xiàn)有技術存在的問題，本發(fā)明提供了一種alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法。

本發(fā)明是這樣實現(xiàn)的，一種alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法，所述alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法包括以下步驟：

步驟一，核密度估計算法估計出脈沖噪聲的概率密度函數(shù)；

步驟二，期望條件最大化算法估計多徑衰落信道的參數(shù)；

步驟三，根據(jù)概率密度函數(shù)和信道參數(shù)對備擇集中每種信號均構造對數(shù)似然函數(shù)，并利用復合假設檢驗進行數(shù)字調(diào)制信號的識別，使對數(shù)似然函數(shù)最大的假設所對應的調(diào)制方式被判定為信號的調(diào)制方式。

進一步，所述步驟一具體包括：

從觀測序列中直接獲得序列概率密度函數(shù)的估計，選用高斯核函數(shù)：

獨立同分布的長度為n的觀測噪聲序列為w1,w2,…,wn，在每一個觀測樣點處放置一個核函數(shù)來得到每個觀測點的估計，將各個觀測點的核函數(shù)進行加權求和，便得出噪聲的概率密度函數(shù)f(w)的估計，具體表示如下：

其中k(·)是高斯核函數(shù)；h是全局帶寬，作用是控制pdf的平滑性質(zhì)；λn(n＝1,2,…,n)是局部帶寬，用于適應函數(shù)的局部特性。

進一步，所述步驟二具體包括：

(1)計算每種調(diào)制信號對應的hb(b＝1,2,…,b)下，完全數(shù)據(jù)的對數(shù)似然函數(shù)的條件期望，b為備擇集中調(diào)制方式的個數(shù)：

得到的q(θ,θ^p)形式為：

(2)最大化q(θ,θ^p)來求得未知參量新的估計值，然后作為已知量代入下一次迭代：

對hb，將未知參數(shù)向量θ＝{h1,…,hl,τ1,…,τl}劃分為θ1＝{h1,…,hl}和θ2＝{τ1,…,τl}，即未知信道參數(shù)向量θ＝{θ1,θ2}，s＝2；迭代時，保持當前迭代的不變，將q(θ,θ^p|hb)對θ1求導，令其導數(shù)為0，得到下一次迭代中θ1參量的估計然后保持的值不變，將q(θ,θ^p|hb)對θ2求導，令其導數(shù)為0，得到下一次迭代中θ2參量的估計當連續(xù)兩次迭代得到的參數(shù)值之間的差異小于設定的收斂門限時，迭代停止，求得的參數(shù)估計值即為該假設下第p+1次迭代最終的未知參數(shù)估計值。

進一步，所述步驟三具體包括：

(1)hb(b＝1,2,…,b)對應的接收信號調(diào)制類型的星座點為sb，由式p(sbi[k]|hb)＝1/nb和全概率公式：

復合假設檢驗過程表示為如下形式：

其中nb表示第b種調(diào)制信號的星座點數(shù)，sbi表示第b種調(diào)制信號的第i個星座點，k表示采樣點數(shù)；

(2)估計得到的alpha分布噪聲的概率密度函數(shù)之后，對每一種可能的調(diào)制方式，采用期望條件最大化算法估計出一組參數(shù)的估計值，最后根據(jù)復合假設檢驗進行信號調(diào)制類型的識別。

本發(fā)明的優(yōu)點及積極效果為：提出一種脈沖噪聲衰落信道下數(shù)字調(diào)制信號的識別方法，當混合信噪比在10db以上時，bpsk、qpsk、16qam和64qam信號的識別率在90％以上，可見本發(fā)明具有良好的識別性能。

附圖說明

圖1是本發(fā)明實施例提供的alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法流程圖。

圖2是本發(fā)明實施例提供的在alpha穩(wěn)定分布噪聲衰落信道下數(shù)字調(diào)制信號識別性能示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結合附圖對本發(fā)明的應用原理作詳細的描述。

如圖1所示，本發(fā)明實施例提供的alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法包括以下步驟：

s101：利用核密度估計算法估計出脈沖噪聲的概率密度函數(shù)；

s102：利用期望條件最大化算法估計多徑衰落信道的參數(shù)；

s103：根據(jù)所估計的概率密度函數(shù)和信道參數(shù)對備擇集中每種信號均構造對數(shù)似然函數(shù)，并利用復合假設檢驗進行數(shù)字調(diào)制信號的識別，使對數(shù)似然函數(shù)最大的假設所對應的調(diào)制方式被判定為信號的調(diào)制方式。

本發(fā)明實施例提供的alpha穩(wěn)定分布噪聲衰落信道數(shù)字調(diào)制信號識別方法具體包括以下步驟：

步驟一，利用核密度估計算法估計出脈沖噪聲的概率密度函數(shù)；

利用核密度估計算法估計出脈沖噪聲的概率密度函數(shù)按以下進行：

核密度估計是基于非參數(shù)的概率密度函數(shù)估計方法，不利用所估計分布的先驗知識，從觀測序列中直接獲得序列概率密度函數(shù)的估計，對需要估計的隨機變量的分布沒有任何的要求。由于高斯核函數(shù)滿足所有核函數(shù)定義的要求并且對很廣泛的分布都有很好的效果，選用高斯核函數(shù)：

設獨立同分布的長度為n的觀測噪聲序列為w1,w2,…,wn。為了適應αs分布噪聲的概率密度函數(shù)比較厚的尾部，因此對核密度估計方法進行了改進，引入一個新的參數(shù)λ。首先在每一個觀測樣點處放置一個核函數(shù)來得到每個觀測點的估計，然后將各個觀測點的核函數(shù)進行加權求和，便得出噪聲的概率密度函數(shù)f(w)的估計，具體表示如下：

其中k(·)是高斯核函數(shù)；h是全局帶寬，作用是控制pdf的平滑性質(zhì)；λn(n＝1,2,…,n)是局部帶寬，用于適應函數(shù)的局部特性，如非高斯噪聲的厚拖尾特性。

選擇全局帶寬h時，既要保證帶寬寬到使曲線看上去平滑，又要保證帶寬窄到能夠保留盡可能多的細節(jié)。確定帶寬h和λn的方法如下：

(1)首先假設λn＝1(n＝1,2,…,n)來確定h，得到一個先行估計：

當噪聲f(w)滿足正態(tài)分布時，h的值可以由最小化均方誤差求得：

最小化上式可以得到h的最優(yōu)選擇值為：hopt＝0.79rn^-15，其中r為噪聲序列的四分位間距，n為噪聲序列樣點的個數(shù)。r的計算過程如下：將觀測噪聲序列從小到大進行排序，得到其1/4分位點r1和3/4分位點r3，由式r3-r1得到四分位間距r。對于非高斯的核函數(shù)k(x)或噪聲f(w)，hopt也是一個合理的選擇，因此本發(fā)明的窗寬為hopt。

(2)計算λn：

β的取值為1/2。

(3)將hopt和λn代入概率密度函數(shù)估計式，計算w點處的

步驟二，利用期望條件最大化算法估計多徑衰落信道參數(shù)；

利用期望條件最大化算法估計多徑衰落信道參數(shù)按以下進行：

(1)e-step:計算每種調(diào)制信號對應的假設hb(b＝1,2,…,b)下，完全數(shù)據(jù)的對數(shù)似然函數(shù)的條件期望，b為備擇集中調(diào)制方式的個數(shù)：

考慮到的分布不一樣，log(p(c|θ,hb)可以寫為：

其中，對于sb[k]∈sb，p(sb[k]|hb)＝1/nb：

由貝葉斯理論，得：

其中：

最終得到的q(θ,θ^p)形式為：

(2)m-step：該過程最大化e-step中的q(θ,θ^p)來求得未知參量新的估計值，然后作為已知量代入下一次迭代。

對某一種假設hb，將未知參數(shù)向量θ＝{h1,…,hl,τ1,…,τl}劃分為θ1＝{h1,…,hl}和θ2＝{τ1,…,τl}，即未知信道參數(shù)向量θ＝{θ1,θ2}，s＝2。迭代過程開始之前先根據(jù)各個參量的分布給每個未知參量設定一個初始值。迭代時，首先保持當前迭代的不變，將q(θ,θ^p|hb)對θ1求導，令其導數(shù)為0，得到下一次迭代中θ1參量的估計然后保持的值不變，將q(θ,θ^p|hb)對θ2求導，令其導數(shù)為0，得到下一次迭代中θ2參量的估計當連續(xù)兩次迭代得到的參數(shù)值之間的差異小于設定的收斂門限時，迭代停止，求得的參數(shù)估計值即為該假設下第p+1次迭代最終的未知參數(shù)估計值。

步驟三，根據(jù)所估計的概率密度函數(shù)和信道參數(shù)對備擇集中每種信號均構造對數(shù)似然函數(shù)，并利用復合假設檢驗進行信號調(diào)制類型的識別，使對數(shù)似然函數(shù)最大的假設所對應的調(diào)制方式被判定為信號的調(diào)制方式；

由估計所得的概率密度函數(shù)和信道參數(shù)對備擇集中每種信號均構造對數(shù)似然函數(shù)，根據(jù)復合假設檢驗進行信號調(diào)制類型的識別，使對數(shù)似然函數(shù)最大的假設所對應的調(diào)制方式被判定為信號的調(diào)制方式按以下進行：

基于似然函數(shù)的識別方法將識別過程描述為一個復合假設檢驗過程，使接收信號的對數(shù)似然函數(shù)最大的假設所對應的調(diào)制方式被判定為信號的調(diào)制方式。令假設hb(b＝1,2,…,b)對應的接收信號調(diào)制類型的星座點為sb，由式p(sbi[k]|hb)＝1/nb和全概率公式：

復合假設檢驗過程可以表示為如下形式：

其中nb表示第b種調(diào)制信號的星座點數(shù)，sbi表示第b種調(diào)制信號的第i個星座點，k表示采樣點數(shù)。

估計得到的alpha分布噪聲的概率密度函數(shù)之后，對每一種可能的調(diào)制方式，即每一種假說，都采用期望條件最大化算法估計出一組參數(shù)的估計值，最后根據(jù)復合假設檢驗進行信號調(diào)制類型的識別。

本發(fā)明的脈沖噪聲衰落信道下數(shù)字調(diào)制信號的識別方法，當混合信噪比在10db以上時，bpsk、qpsk、16qam和64qam信號的識別率在90％以上，可見本發(fā)明具有良好的識別性能，如圖2所示。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。