一種新的混合模式調(diào)制識別算法的研究.pdf

1、隨著通信技術(shù)的發(fā)展，數(shù)字通信在日常生活和工作中扮演著越來越重要的角色。信號調(diào)制是通信領(lǐng)域中至關(guān)重要的技術(shù)，是信號發(fā)射、傳送和接收的基礎(chǔ)環(huán)節(jié)。當(dāng)前調(diào)制類型的識別已成為通信領(lǐng)域的研究課題，其中信號自動(dòng)調(diào)制識別更是成為目前調(diào)制識別領(lǐng)域的熱點(diǎn)研究課題。數(shù)字調(diào)制類型的識別主要應(yīng)用于數(shù)字確認(rèn)、干擾辨別、無線電偵聽、電子對抗和軟件無線電等領(lǐng)域。不論在軍用方面還是民用方面通信信號的調(diào)制識別都有著及其重要的應(yīng)用。在軍事信號偵查方面，信號的識別應(yīng)用極為廣泛

2、，其應(yīng)用范圍主要有信號診斷，信號監(jiān)聽和信號辨認(rèn)等方面。在民用方面通信號調(diào)制識別主要應(yīng)用于無線電頻譜的管理。伴隨著軟件無線電技術(shù)的崛起，信號自動(dòng)調(diào)制識別技術(shù)顯得越來越重要。
　　 本文首先對信號調(diào)制識別基礎(chǔ)理論進(jìn)行了闡述與仿真，其次本文對高階累積量的基礎(chǔ)理論知識進(jìn)行了闡述，在信號特征值提取細(xì)節(jié)方面也做了較詳細(xì)的闡述與仿真。最后本文提出了兩種信號調(diào)制識別算法:在已知信噪比情況下，運(yùn)用多分類神經(jīng)網(wǎng)絡(luò)自動(dòng)調(diào)制識別算法和在未知信噪比情況下

3、，混合神經(jīng)網(wǎng)絡(luò)自動(dòng)調(diào)制識別算法。通過兩種方法的比較可以看出噪聲對信號調(diào)制識別的影響，同時(shí)本文加入了高階累積量特征參數(shù)，減小了噪聲對信號識別的干擾，提高了信號識別率。從實(shí)驗(yàn)結(jié)果可以看出運(yùn)用混合調(diào)制識別方法，對數(shù)字信號調(diào)制識別率有很大的提高。
　　 本文的工作主要有:
　　 1.對幾種常見的數(shù)字信號調(diào)制原理進(jìn)行了闡述，其中加入了正交振幅調(diào)制信號(MQAM)，并對這幾種常見的數(shù)字信號的時(shí)頻特性進(jìn)行了分析與仿真。
　　

4、2.介紹了高階累積量的基本理論知識與特征提取的基本方法。首先闡述了信號的各階高階矩與高階累積量。其次對信號的瞬時(shí)特征參數(shù)進(jìn)行了介紹，主要分析了信號的幅度、頻率和相位。并且對信號瞬時(shí)特征進(jìn)行了仿真分析。
　　 3.主要闡述了數(shù)字信號特征提取的算法。然后根據(jù)每種調(diào)制信號調(diào)制方式的不同，提出了用于信號自動(dòng)調(diào)制識別的七個(gè)特征值。其次詳細(xì)的闡述了信號特征提取中的注意事項(xiàng)。
　　 4.主要闡述了運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行信號的調(diào)制識別算法的研

5、究。首先介紹了神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識，其中著重闡述了BP神經(jīng)網(wǎng)絡(luò)基本概念與基礎(chǔ)知識。提出了改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)。最后基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，提出了多分類神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)兩種模式。分別在己知信號的信噪比情況下運(yùn)用多分類神經(jīng)網(wǎng)絡(luò)和未知信噪比情況下運(yùn)用混合神經(jīng)網(wǎng)絡(luò)對數(shù)字調(diào)制信號進(jìn)行了識別研究和實(shí)驗(yàn)仿真。通過對這兩種方法的比較，一方面證明了噪聲對信號調(diào)制識別的影響。另一方面表明在未知信噪比情況下，加入高階累積量能夠有效地提高信號的識別率。實(shí)驗(yàn)