专利名称：一种基于聚类和支持向量机的联合调制识别方法
技术领域：
本发明涉及一种基于聚类和支持向量机的自动调制识别实现方案，属于通信技术领域。
背景技术：
随着通信技术的发展，通信信号在很宽的频带上采用不同的调制方式，同时这些信号的调制参数也不尽相同。数字信号的自动调制识别可以在多种调制信号和有噪声干扰的条件下确定出信号的调制方式，在民用和军用领域都有重要的作用。随着通信信号的体制和调制样式变得更加复杂多样，通信信号的调制识别就显得尤为重要和迫切。
目前，调制方式自动识别的研究方法主要可以分为两类基于假设检验的最大似然方法和基于特征提取的模式识别方法。基于假设检验的最大似然方法，通过对信号的似然函数进行处理，将得到的似然比与阈值进行比较，完成调制识别功能。基于特征提取的模式识别方法，通常包含两个子系统，一个子系统用于提取信号的特征参数，另一个子系统根据信号的特征参数，采用一定的分类器确定信号的调制类型。
基于特征提取的模式识别方法，在理论上是一种次优的方法，但是其形式通常比较简单，易于实现，而且在某些条件下能够达到近似最优的识别性能。在模型失配的情况下，基于特征提取的模式识别方法要比最大似然法稳健。在基于特征提取的模式识别方法中，用于调制识别的分类器，主要包括人工神经网络、支持向量机、聚类以及其他一些模式识别方法。
聚类是数据挖掘中一个重要手段，是将数据集划分为若干组或类的过程，并使得同一个组内的数据对象具有较高的相似度，而不同组中的数据对象则是非相似的。目前在许多领域，包括数据挖掘、统计学、模式识别、机器学习、图像处理、市场分析都有聚类的研究和应用。目前基于距离的聚类算法以及基于密度的聚类方法已用于基于星座图调制方式的自动识别。
支持向量机是基于统计学习理论而发展起来的一种模式识别方法，其基本思想是首先通过非线性变换将输入空间变换到一个高维特征空间，然后在这个高维空间求线性分类面，而这种非线性变换是通过定义适当的核函数实现的，升维后只是改变了内积运算，并没有使算法复杂性随着维数的增加而增加。SVM从理论上实现了对不同类别的最优分类，有较好的推广能力，能根据信号的特征值，识别信号的调制类型。
然而，在以往的调制识别算法，例如，基于聚类的调制识别算法中，当接收信号的信噪比较低时，调制方式的识别率很低。以致无法为进一步处理信号，如正确的解调、分析或者进行干扰提供可靠的依据。如何提高信号的调制识别率，仍是自动调制识别算法中需要解决的问题之一。发明内容
技术问题本发明的目的是在于提供一种基于聚类和支持向量机的联合调制识别方法，以改进聚类算法在低信噪比时调制识别率低的缺点。该方法针对基于星座图的调制方式PSK/QAM，利用聚类算法提取调制信号的特征参数，通过支持向量机分类器识别出信号的调制方式。与单独采用聚类算法相比，该方法能够提高系统的调制识别率，尤其是在接收信号的信噪比较低时，调制信号的识别率明显提高。技术方案本发明提供一种基于聚类和支持向量机的算法，实现调制方式的自动识别，以改进聚类算法在低信噪比时调制识别率低的缺点。该方法针对典型的基于星座图的调制方式PSK/QAM，首先利用聚类算法，如K-均值聚类，重建接收信号的星座图，然后通过构造有效性评估函数，分别得到在不同聚类中心数时能够反映调制类型显著差异的有效性函数值，作为输入支持向量机的特征参数。为了克服支持向量机识别多类问题时，常用的一对余类及一对一类两种算法计算复杂度高的缺点，可以采用分级的算法对支持向量机进行训练。最后利用训练好的支持向量机分类器，识别出信号的调制方式，以提高系统对接收信号的调制识别率。基于聚类和支持向量机的联合调制识别方法针对基于星座图的调制方式PSK/ QAM，利用聚类算法提取调制信号的特征参数，通过支持向量机分类器识别出信号的调制方式，该方法包含以下步骤
a.设经过信号预处理后得到的接收信号的同相分量为正交分量为iJl其中下标中的I代表同相分量，β代表正交分量，/ = HiI/, N是样点的数目；
b.利用K-均值聚类算法对样点进行分类，得到聚类中心点f|和第j个样点到第#个聚类中心的隶属度,从而决定每个样点的归属，重建接收信号的星座图，其中
权利要求
1. 一种基于聚类和支持向量机的联合调制识别方法，其特征在于该方法针对基于星座图的调制方式PSK/QAM，利用聚类算法提取调制信号的特征参数，通过支持向量机分类器识别出信号的调制方式，该方法包含以下步骤a.设经过信号预处理后得到的接收信号1J'的同相分量为正交分量为1J^,其中下标中的^代表同相分量，β代表正交分量
全文摘要
本发明提供了一种基于聚类和支持向量机的联合调制识别方法，以改进聚类算法在低信噪比时调制识别率低的缺点。该方法针对基于星座图的调制方式PSK/QAM，利用聚类算法提取调制信号的特征参数，通过支持向量机识别出信号的调制方式，以提高系统的调制识别率。具体步骤如下针对典型的基于星座图的调制方式PSK/QAM，首先利用聚类算法，重建接收信号的星座图，然后通过构造有效性评估函数，分别得到在不同聚类中心数时能够反映调制类型显著差异的有效性函数值，作为输入支持向量机的特征参数。为了克服支持向量机识别多类问题时，常用的一对余类及一对一类两种算法计算复杂度高的缺点，可以采用分级的算法对支持向量机进行训练。
文档编号H04L27/34GK102497343SQ20111038355
公开日2012年6月13日 申请日期2011年11月25日 优先权日2011年11月25日
发明者刘爱声, 朱洪波, 朱琦, 杨龙祥 申请人:南京邮电大学