基于模塊化射頻儀器的調制信號識別算法研究與系統(tǒng)實現.pdf

1、調制識別是信號接收檢測和信號解調之間的環(huán)節(jié)，它在電子對抗和民用無線電等領域有很多應用?，F有的調制識別技術在識別范圍、識別性能或者系統(tǒng)實現上還有所不足，調制識別的研究有著重要意義。本文研究了調制識別的算法并在PXIe模塊化儀器平臺上對識別算法做了實現，本文的主要工作內容如下:
　　介紹了對各種調制信號的原理，分析了它們在時域或者頻域上的不同，在此基礎上，研究了模擬調制信號的調制識別算法，給出了識別的流程。然后研究了決策樹和支持向量機

2、的原理，分別設計了決策樹分類器和支持向量機分類器，并完成AM、FM、DSB、LSB和USB信號的識別仿真，仿真結果表明信噪比在10dB以上時，五種調制信號的正確識別率在95％以上。
　　研究了數字調制信號的識別算法，包括瞬時特征提取，聚類算法和高階累積量算法。首先研究了瞬時特征提取法，構造了瞬時幅度、瞬時相位和瞬時頻率相關的特征量，在信噪比為10dB的環(huán)境下，識別了2ASK，4ASK，BPSK，QPSK，2FSK和4FSK信號，正

3、確識別率高于90％。針對這種算法不能識別MQAM信號的問題，本文接下來研究了減法聚類算法的原理，并采用減法聚類做調制信號識別，根據聚類分析的結果分別識別了MQAM，MPSK和MASK信號，其中MQAM信號在信噪比為20dB時，正確識別率在90％以上，MPSK信號在信噪比為10dB時，正確識別率在95％以上，而MASK信號在信噪比為15dB時，正確識別率在95％以上。針對瞬時特征提取方法和聚類算法識別范圍較小的問題，本文研究了高階累積量算

4、法，基于四階和六階累積量，在信噪比較低的情況下，識別出了多種數字調制信號。同時，也給出了OFDM和單載波信號之間的識別算法和仿真結果，結果表明高階累積量算法在信噪比為8dB時，對4ASK，BPSK，QPSK，2FSK，16QAM，32QAM，OFDM等信號的正確識別率達到90％以上。
　　研究了NI PXIe模塊化儀器平臺的調制識別系統(tǒng)實現，介紹了使用的軟件和硬件，給出了系統(tǒng)架構圖。研究了調制識別用到的方法，設計了調制識別系統(tǒng)的前