专利交易市场

本发明公开了一种基于LDA‑KNN的水声信号自动调制识别方法，首先采样接收水声信号，提取水声信号的形态特征与熵特征并进行归一化处理；将处理后的特征用于训练LDA，得到用于特征降维与优化的映射权值与偏置；使用训练好的映射权值与归一化后的原始特征相乘并与偏置项相加，完成特征的映射；将映射后的特征进行标准化后，作为KNN的样本空间，得到LDA‑KNN分类模型；最后，将待识别的水声信号进行同样的特征提取以及映射后，输入到分类模型中，输出调制方式的分类。本发明最终实现低延迟、高准确率的水声信号自动调制识别，相较于传统自动调制识别算法，该方法可识别信号种类多、抗干扰能力强、识别准确率与稳定性高。

本发明提供一种调制识别方法、系统、可读存储介质及设备，方法包括：获取接收信号数据集；根据接收信号携带的特征参数对接收信号进行聚类分析，以将接收信号数据集划分成多个簇；当簇内的所有接收信号包含有两种以上调制方式时，采用基于卷积神经网络的监督学习方法对簇内的接收信号进行有监督识别。本发明先通过无监督学习的聚类分析，一部分区别特征较为明显的调制方式可以直接识别，另一部分相互之间易发生混淆的调制方式会因为极高的相似性而被归为同一簇，针对包含有两种及以上调制种类的簇，再通过采用基于卷积神经网络监督学习进一步监督识别，这样就可以解决现有调制识别方法中存在的分类不均匀性问题。

本发明属于认知无线电、通信信号调制识别技术领域，尤其涉及一种基于信号线性拟合瞬时相位的连续相位频移键控(Continuous‑PhaseFrequencyShiftKeying,CPFSK)调制识别方法。一种CPFSK调制识别方法，充分利用CPFSK信号的特征，即在每个符号内其瞬时相位是线性增加或减少的这一特点，通过对CPFSK信号建模并提取信号瞬时相位，结合线性拟合的手段，使新的特征提取方法具有更好的抗噪声能力，通过仿真实验可以看出该算法结果直观，性能良好，同时拥有较低的运算复杂度。