Результат интеллектуальной деятельности: СПОСОБ РАСПОЗНАВАНИЯ ТИПОВ МАНИПУЛЯЦИИ РАДИОСИГНАЛОВ

Изобретение относится к области обработки и распознавания радиосигналов, в частности к распознаванию типа манипуляции радиосигналов, и может быть использовано в радиотехнических устройствах для распознавания амплитудной, амплитудно-фазовой и фазовой манипуляции радиосигналов.

Известен способ автоматического распознавания типов манипуляции радиосигналов [1], в котором принятый аналоговый радиосигнал дискретизируют по времени, квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей N отсчетов сигнала рассчитывают кумулянты С₄₀, С₂₀, С₂₂, значения которых подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов С₄₀, С₂₀, С₂₂ сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая в автоматическом режиме распознает радиосигналы с амплитудной (AM), амплитудно-фазовой (КАМ), фазовой (ФМ) и частотной (ЧМ) манипуляцией.

Недостатком данного способа является ограниченность алфавита распознаваемых типов манипуляции радиосигналов четырьмя: AM, КАМ, ФМ иЧМ.

Наиболее близким к предлагаемому изобретению является известный способ [1], выбранный в качестве прототипа.

Данный способ не требует высокоточной синхронизации по несущей частоте, но позволяет распознавать только четыре типа манипуляции сигналов -AM, КАМ, ФМ и ЧМ, что не позволяет достигнуть указанного ниже технического результата.

Техническим результатом изобретения является расширение алфавита распознаваемых типов манипуляции радиосигналов с 4-х до 7, включающего:

4-х уровневую импульсную амплитудную манипуляцию (4-РАМ);

двоичную фазовую манипуляцию (PBSK);

квадратурную фазовую манипуляцию (QBSK);

фазовую манипуляцию 8-го порядка (8-PSK);

квадратурную манипуляцию 8-го порядка (8-QAK);

квадратурную манипуляцию 16-го порядка (16-QAK);

квадратурную манипуляцию 32-го порядка (32-QAK).

Указанный технический результат достигается тем, что принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей N отсчетов сигнала рассчитывают кумулянты, по значениям которых производят определение типа манипуляции, отличающийся тем, что по значениям синфазной и квадратурной составляющей N отсчетов сигнала устраняют его расстройку по несущей частоте путем введения поправки на расстройку, которой соответствует максимальное значение модуля кумулянта С₄₀, рассчитывают значения кумулянтов С₄₂ и С₆₁ и подают их на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов С₄₂ и С₆₁ сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая распознает сигналы с 4-х уровневой импульсной амплитудной манипуляцией, двоичной фазовой, квадратурной фазовой, фазовой манипуляцией 8-го порядка, квадратурной манипуляцией 8-го, 16-го и 32-го порядка.

Технический результат достигается за счет устранения расстройки по несущей частоте на основе использования критерия максимума кумулянта С₄₀, чувствительного к расстройке по несущей частоте, а так же использования новых признаков распознавания (кумулянтов С₄₂ и C₆₁). Для принятия решения, как и в прототипе, используется предварительно обученная нейронная сеть типа многослойный персептрон, которая показывает высокую эффективность построения многомерных разделяющих поверхностей. В соответствии со следствием из теоремы Колмогорова-Арнольда-Хехт-Нильсена любую многомерную функцию нескольких переменных можно представить с помощью двухслойной нейронной сети с прямыми полными связями фиксированной размерности [2].

Способ иллюстрируется следующими чертежами.

Фиг. 1. Зависимости модуля кумулянта С₄₀ радиосигналов с типами манипуляции BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM и 32-QAM от абсолютного изменения фазы сигнала в течение выборки.

Фиг. 2. Распределение значений модулей кумулянтов С₄₂ и C₆₁ радиосигналов с типами манипуляции BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM и 32-QAM и разделяющие поверхности, сформированные при обучении нейронной сети.

Фиг. 3. Нейронная сеть типа многослойный персептрон.

Цифрами на фиг.3 обозначены:

1 - входной слой;

2 - скрытый слой;

3 - выходной слой.

Заявленный способ распознавания типов манипуляции радиосигналов заключается в последовательном выполнении следующих действий:

1. Принятый аналоговый радиосигнал, имеющий длительность T_s, дискретизируют по времени с шагом t_d и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, в результате чего получают массив из N комплексных отсчетов сигнала.

2. По значениям N оцифрованных отсчетов устраняют расстройку по несущей частоте входного сигнала s_вх, для чего производится принудительная расстройка его частоты с фиксированным шагом расстройки Δ_ƒ в диапазоне ожидаемой расстройки с расчетом кумулянта С₄₀ сигнала для каждого значения расстройки. Критерием минимальной расстройки является максимальное значение модуля кумулянта С₄₀.

Диапазон ожидаемой расстройки имеет нижнюю F_min и верхнюю F_max границы. Шаг расстройки Δ_ƒ выбирается равным

где Δ_ϕ - абсолютное изменение фазы сигнала за время T_s, выбираемое в интервале (0.1, 0.2).

Расстройка по частоте осуществляется поэлементным умножением массива отсчетов входного сигнала на функцию s_Δ

s₀=s_вхs_Δ,

где

ƒ=F_min, F_min+Δ_ƒ, F_min+2Δ_ƒ, … F_max;

t=0, t_d, 2t_d, (N-l)t_d;

Для каждого сигнала s₀ производится расчет кумулянта С₄₀ [3]

где М_pr - совместные моменты порядков pr, рассчитываемые по формуле

s - исходной сигнал, состоящий из N отсчетов.

Методом полного перебора значений расстроек из заданного диапазона значений определяется расстройка, которой соответствует максимальное значение модуля кумулянта С₄₀. Сигнал, соответствующий данной расстройке, обозначается s_вых и используется на последующем этапе.

3. Для сигнала s_вых с устраненной расстройкой по несущей частоте рассчитывают модули значений кумулянтов С₄₂ и С₆₁ [3]

Моменты, входящие в выражения для расчета кумулянтов, вычисляют в соответствии с (1).

4. Рассчитанные значения модулей кумулянтов С₄₂ и C₆₁ подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов сигналов обучающей выборки нейронную сеть типа многослойный персептрон (Фиг. 3).

5. Нейронная сеть формирует на своих выходах значения. Решение о распознавании типа манипуляции сигнала принимается по номеру выхода нейронной сети имеющем максимальное значение.

Предварительное обучение нейронной сети осуществляется с использованием метода обратного распространения ошибки в следующей последовательности.

Для обучения нейронной сети используется набор обучающих выборок, состоящий из двух составляющих: входной и целевой. Входная составляющая представляет собой пары модулей кумулянтов С₄₂ и С₆₁ рассчитанные для сигналов с типами модуляций BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM и 32-QAM, а целевая - желаемое состояние выходов нейронной сети, соответствующее входной составляющей выборки. По обучающей выборке производится обучение нейронной сети по критерию малости ошибки выходного слоя. Настраиваемыми параметрами нейронной сети являются весовые связи ее ячеек.

По результатам обучения, при подаче на вход не зашумленного сигнала с заданным типом манипуляции, на одном из выходов нейронной сети формируется значение, равное 1, а на всех остальных 0.

Нейронная сеть типа двуслойный персептрон (фиг. 3) имеет два нейрона входного слоя 1, десять нейронов скрытого слоя 2 и семь нейронов выходного слоя 3. Функция активации нейронной сети - сигмоида.

Приведенные в таблице 1 результаты распознавания получены методом имитационного моделирования при следующих исходных данных.

число выборок сигналов по каждому виду модуляции 1000;

число отсчетов сигнала N=2000;

отношение сигнал/шум - случайная величина, равномерно распределенная в интервале (5, 30) дБ;

начальная фаза сигнала - случайная.

Преимущество изобретения состоит в том, что по сравнению с прототипом заявленный способ позволяет решать задачу автоматического распознавания типов манипуляции радиосигналов для более широкого алфавита типов манипуляции. Заявляемый способ позволяет распознавать различные типы одночастотной манипуляции (BPSK, QPSK, 8-PSK, 4-РАМ, 8-QAM, 16-QAM, 32-QAM) с вероятностью не ниже 0.85 при отношении сигнал/шум не хуже 5 дБ.

Литература

1. RU 2510077.

2. Hecht-Nielsen R. Kolmogorov's Mapping Neural Network Existence Theorem // IEEE First Annual Int. Conf. on Neural Networks, San Diego, 1987, Vol. 3, pp. 11-13.

3. William H. Clark IV. Blind comprehension of waveforms through statistical observations. Robert W. McGwier, Chair T. Charles Clancy R. Michael Buehrer. Blacksburg, Virginia, 2014. pp. 12.