一种MPSK信号调制方式识别方法、设备、介质及产品

本发明涉及信号识别领域，特别是涉及一种mpsk信号调制方式识别方法、设备、介质及产品。

背景技术：

1、近年来，随着数字通信技术的迅速发展，无线信号传输技术广泛应用于移动通信、卫星通信、雷达等领域，是传输信息的重要手段之一。然而，在传输过程中由于环境噪声干扰、信道影响、多径效应等因素的影响，使得信号容易受到干扰，造成信号信息丢失、失真，进而影响信号接收质量以及系统的解调性能。因此，为了提高无线通信系统的性能，保障信号的传输质量，做好信号的增强以及识别对于后续解调尤为关键。

2、传统的信号处理通常发生在协作通信情况下，即接收端已知接收信号的参数、调制方式等信息。然而，在实际应用中，接收端可能存在对发送端的信号参数并不知晓的问题，需要先对其参数进行估计后再进行解调处理。这种需要先对接收信号参数进行预先估计的通信方式称为非协作通信。

3、非协作通信在军事领域有重要的战略意义。比如，在无线电侦测领域，当侦查到空间中出现敌方目标时，在不影响发射端的情况下，通过无线电技术截获敌方发射的无线电信号，完成对敌军信号的接收与破解，为敌情分析、战场决策提供有力支持。可见，非协作通信技术在军事侦查方面发挥着重要作用，对维护国家安全有着至关重要的意义。

4、在非协作通信中，完成信号的解调称为盲解调。无线信号调制方式识别介于信号接收与解调之间，在盲解调中扮演着至关重要的角色，是实现信号正确解调的前提。随着深度学习技术的广泛应用，信号调制方式智能识别技术凭借其能够自动学习信号特征、更好地处理复杂数据以及灵活性更强等优势，得到了广泛应用。

5、无线通信系统中的调制信号类型种类繁多，其中多进制数字相位调制(multiplephase shift keying，mpsk)是常用的调制类型之一，具有较强的抗干扰性和良好的安全性，被广泛应用于民用和军用通信领域，其作为研究对象具有很强的实用意义。

6、由于在非协作通信环境下，接收机无法获取接收信号的相关参数信息，并且传输过程中容易受到噪声干扰，导致难以准确识别信号的调制方式。因此，如何在提升调制信号识别效果一直是一个有挑战性的课题。

7、调制类型识别方法主要分为基于似然比判决理论识别法和基于统计模式识别法两类。

8、基于似然比判决理论识别法依据信号的统计特性建立假设，确定代价函数后，通过计算数据似然比选择合适的门限进行比较，最终实现调制类型识别。然而，这类方法存在一定的局限性，例如似然函数计算复杂度较高，需要预先获得准确的信号先验概率分布信息。相比之下，基于统计模式识别法通过从待识别信号中提取相关特征，然后利用最具区分性的特征对分类模型进行训练，训练后的分类模型可以实现信号调制类型识别。这类方法的适应性更强，复杂度相对较低，并且具有很强的鲁棒性，能够在一定程度上适应噪声变化。因此，在非协作通信领域，统计模式识别法得到了广泛应用。

9、调制信号具有多种特征，除了传统的信号谱、高阶累积量、瞬时特征之外，星座图因其直观、简单易实现、抗干扰性强等优点，被广泛应用于数字信号调制类型识别领域。2020年，doan等人提出了一种将深度学习与星座图相结合的调制类型识别方法，该方法在低信噪比下能够实现约87％的分类精度。由于信号在传输过程中易受到噪声干扰，导致星座图位置发生偏移。为了消除原始星座图中的冗余，从中提取关键信息以合成增强星座图，song等人提出了一种基于卷积神经网络的增强星座图调制识别方法，通过捕捉信号星座相邻点之间的相关性信息，将幅度信息合并为像素值来改进星座图，该方法有效提高了识别准确性和鲁棒性。但是这些方法都将星座图视作图像进行处理，直接引入深度学习中的图像分类和识别方法，处理速度慢且计算复杂度高。

10、因此，为提高信号识别的准确性和效率，亟需提供一种新的信号识别方法或系统。

技术实现思路

1、本发明的目的是提供一种mpsk信号调制方式识别方法、设备、介质及产品，能够提高信号识别的准确性和效率，并能够应用在非协作通信的盲解调场景中。

2、为实现上述目的，本发明提供了如下方案：

3、一种mpsk信号调制方式识别方法，所述方法包括：

4、获取一定数量调制信号样本，并根据调制信号提取调制信号星座图；

5、利用训练好的星座图预加噪去噪模型(add-denoising models forconstellation，admc)对调制信号星座图进行去噪恢复；所述训练的admc为一维卷积神经网络，并包括embedding层；

6、将去噪后的调制信号星座图与不同mpsk调制方式的理想星座图进行基于mse的特征匹配，得到调制方式的识别结果。

7、可选地，所述获取调制信号，并根据调制信号提取调制信号星座图，具体包括：

8、基于welch功率谱法对调制信号进行载波频率估计；

9、基于复包络检测法进行符号速率估计；

10、基于gardner算法的自同步方法实现符号同步；

11、基于costas同相正交环来实现载波同步，得到调制信号星座图。

12、可选地，训练好的去噪扩散概率模型确定的过程为：

13、根据理想的bpsk调制信号星座图样本，构建训练数据集；

14、构建admc卷积神经网络；所述admc卷积神经网络的输入层用于接收调制信号星座图样本，然后调制信号星座图样本分别经过卷积层、bn层、relu激活函数层以及全连接层，最终输出预测的噪声数据；

15、基于admc预加噪过程训练数据集样本加噪；

16、利用加噪后的训练数据集样本训练admc卷积神经网络，学习admc去噪过程，得到应用于bpsk调制信号的训练好的admc；

17、确定应用于qpsk调制信号和8psk调制信号的训练好的admc。

18、可选地，所述将去噪后的调制信号星座图与不同mpsk调制方式的理想星座图进行基于mse的特征匹配，得到调制方式的识别结果，具体包括：

19、将bpsk、qpsk、8psk三种调制信号的理想星座图样点作为匹配模板；

20、将去噪后的调制信号星座图与匹配模板基于mse进行匹配比较；

21、根据比较结果判断去噪后的调制信号星座图与匹配模板的相似程度；

22、根据mse最小法则，选择最匹配的调制方式，作为调制信号的调制方式。

23、一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现所述一种mpsk信号调制方式识别方法。

24、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述一种mpsk信号调制方式识别方法。

25、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述一种mpsk信号调制方式识别方法。

26、根据本发明提供的具体实施例，本发明公开了以下技术效果：

27、本发明所提供的一种mpsk信号调制方式识别方法、设备、介质及产品，基于星座图预加噪去噪模型-均方差(add-denoising models for constellation-mean squareerror，admc-mse)的调制信号识别方法，以调制信号星座图的样点坐标作为输入数据，利用训练好的admc对调制信号星座图进行去噪恢复，之后，将去噪后的调制信号星座图与不同mpsk调制方式的理想星座图进行基于mse的特征匹配，实现调制方式的智能识别。本发明能够提高信号识别的准确性和效率，可应用在非协作通信的盲解调场景中。