單載波信號(hào)與OFDM信號(hào)調(diào)制識(shí)別研究.pdf

1、隨著現(xiàn)代通信技術(shù)的快速發(fā)展，通信信號(hào)的調(diào)制樣式變得越來(lái)越復(fù)雜多樣，頻譜資源越來(lái)越緊張，信號(hào)環(huán)境越來(lái)越復(fù)雜，這就使得通信信號(hào)的調(diào)制識(shí)別顯得尤為迫切和重要，成為軍民領(lǐng)域十分重要的研究課題。
　　 通信信號(hào)的調(diào)制識(shí)別方法有很多種，在單載波信號(hào)調(diào)制識(shí)別方面，現(xiàn)有的識(shí)別方法所提取的特征值往往很容易受到噪聲的干擾，識(shí)別率低下;在正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing，OFDM)信號(hào)

2、調(diào)制識(shí)別方面，現(xiàn)有技術(shù)通常計(jì)算量大，復(fù)雜度高，識(shí)別率低。
　　 針對(duì)通信信號(hào)調(diào)制識(shí)別受信噪比(Signal to Noise Ratio，SNR)影響大的問(wèn)題，計(jì)算量大，分類(lèi)器訓(xùn)練困難問(wèn)題以及多徑衰落信道下OFDM信號(hào)調(diào)制識(shí)別難題，本文作了如下工作:
　　 1.研究了一種基于小波分解的通信信號(hào)調(diào)制識(shí)別算法。一般情況下噪聲為高頻信息，而待識(shí)別的通信信號(hào)經(jīng)過(guò)預(yù)處理后為低頻信息，對(duì)預(yù)處理后的信號(hào)進(jìn)行一定尺度下的小波分解能得到包

3、含較少噪聲的細(xì)節(jié)信息，根據(jù)這一特點(diǎn)，本文將小波分解理論與調(diào)制信號(hào)的瞬時(shí)特征、高階累積量以及分形理論相結(jié)合，提取出對(duì)噪聲不敏感的信號(hào)特征參數(shù)，有效提高了信號(hào)的正確識(shí)別率。
　　 2.研究了一種基于粒子群支持向量機(jī)(PSO-SVM)的通信信號(hào)調(diào)制識(shí)別方法。粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)是一種具有全局尋優(yōu)算法，支持向量機(jī)(Support Vector Machine，SVM)能較好地解

4、決分類(lèi)問(wèn)題中的非線(xiàn)性、小樣本、維數(shù)災(zāi)難和局部極小點(diǎn)等問(wèn)題。本文把PSO和SVM結(jié)合起來(lái)，將SVM的未知參數(shù)，即懲罰系數(shù)C及徑向基(RBF)核的寬度系數(shù)γ設(shè)為相應(yīng)粒子的位置向量X，從而達(dá)到優(yōu)化SVM參數(shù)的目的，較好地解決了通信信號(hào)調(diào)制識(shí)別方法中計(jì)算量大，分類(lèi)器訓(xùn)練困難的問(wèn)題。
　　 3.研究了基于循環(huán)自相關(guān)的多徑衰落信道下OFDM信號(hào)的盲識(shí)別問(wèn)題。根據(jù)通信信號(hào)的循環(huán)平穩(wěn)性，提出一種基于循環(huán)自相關(guān)的多徑衰落信道下OFDM調(diào)制識(shí)別算法

5、。通過(guò)對(duì)多徑衰落信道下具有循環(huán)前綴的OFDM信號(hào)循環(huán)自相關(guān)特性的數(shù)學(xué)推導(dǎo)，驗(yàn)證了在一定延時(shí)處，OFDM信號(hào)的循環(huán)自相關(guān)會(huì)出現(xiàn)峰值而單載波信號(hào)無(wú)此峰值，據(jù)此特性可以實(shí)現(xiàn)多徑衰落信道下OFDM信號(hào)和單載波信號(hào)的調(diào)制識(shí)別。該算法消除了如符號(hào)時(shí)間估計(jì)，載波估計(jì)，波形恢復(fù)，信噪比估計(jì)等預(yù)處理過(guò)程，計(jì)算復(fù)雜度低，識(shí)別率較高。理論分析及仿真結(jié)果均驗(yàn)證了該算法的正確性與有效性。
　　 論文對(duì)上述各種方法在理論分析的基礎(chǔ)上都進(jìn)行了MATLAB仿真