通信信號(hào)調(diào)制方式分類識(shí)別算法研究.pdf

1、通信技術(shù)正以日新月異的速度發(fā)展，其中以通信信號(hào)各種調(diào)制方式的變化和進(jìn)步尤為突出，通信信號(hào)調(diào)制方式分類識(shí)別研究也相繼發(fā)展起來。由于信號(hào)環(huán)境的日趨密集，使得常規(guī)的識(shí)別方法和理論很難適應(yīng)實(shí)際需要，無法有效地對(duì)通信信號(hào)進(jìn)行識(shí)別，對(duì)數(shù)字通信信號(hào)的識(shí)別研究提出了更高的要求。
　　調(diào)制方式分類識(shí)別在合作領(lǐng)域和非合作領(lǐng)域都具有重要的意義。在合作領(lǐng)域中，調(diào)制方式分類識(shí)別是軟件無線電通用接收機(jī)和認(rèn)知無線電智能接收機(jī)的關(guān)鍵技術(shù)基礎(chǔ)，同時(shí)也是瓶頸和核心。

2、調(diào)制方式也廣泛應(yīng)用于政府實(shí)施有效無線頻譜管理、監(jiān)視民用信號(hào)等方面。在非合作領(lǐng)域中，調(diào)制方式分類識(shí)別更起到了關(guān)鍵的作用。未來戰(zhàn)爭(zhēng)是以信息優(yōu)勢(shì)為基礎(chǔ)，這使得通信在戰(zhàn)爭(zhēng)中的地位變得尤為突出，通信對(duì)抗已經(jīng)成為現(xiàn)代戰(zhàn)中電磁領(lǐng)域斗爭(zhēng)的焦點(diǎn)。通信對(duì)抗需要截獲敵方的信號(hào)，掌握信號(hào)中承載的信息內(nèi)容，而調(diào)制方式分類識(shí)別是這一過程的基礎(chǔ)。在各種無線通信信號(hào)類型中，衛(wèi)星通信信號(hào)占有很大的比例，因此能對(duì)衛(wèi)星通信信號(hào)進(jìn)行調(diào)制方式的分類識(shí)別具有很高的實(shí)用價(jià)值。由于衛(wèi)

3、星無線通信環(huán)境的復(fù)雜性，特別是戰(zhàn)場(chǎng)環(huán)境下的不可預(yù)知性，使得傳統(tǒng)的調(diào)制分類識(shí)別方法性能下降，難以滿足現(xiàn)代戰(zhàn)爭(zhēng)的需要。因此非理想環(huán)境下的調(diào)制方式分類識(shí)別逐漸引起了人們的重視。
　　在此背景下，本文重點(diǎn)對(duì)非理想情況中的大范圍信噪比變化下和衰落信道下衛(wèi)星通信信號(hào)的調(diào)制方式分類識(shí)別算法進(jìn)行深入和系統(tǒng)的研究。
　　首先，對(duì)盲信噪比估計(jì)進(jìn)行研究。信噪比是信號(hào)質(zhì)量的重要衡量標(biāo)準(zhǔn)，對(duì)后續(xù)的盲均衡和調(diào)制方式分類識(shí)別算法起到鋪墊作用。提出基于子空

4、間和聯(lián)合信息標(biāo)準(zhǔn)的盲信噪比估計(jì)算法，不僅更適用于小樣本估計(jì)，還可以擴(kuò)大估計(jì)范圍。這種算法既適用于加性高斯白噪聲信道，也適用于衰落信道。
　　其次，為減弱非理想信道對(duì)信號(hào)的影響，對(duì)信道盲均衡進(jìn)行深入研究。分析在衛(wèi)星信號(hào)截獲中存在的星間鏈路信道和星地信道，并給出對(duì)應(yīng)的數(shù)學(xué)模型。在信道盲均衡算法基礎(chǔ)上，對(duì)超指數(shù)算法進(jìn)行改進(jìn)，提出一種新穎穩(wěn)健的超指數(shù)算法。這種算法先對(duì)信號(hào)的噪聲功率進(jìn)行估計(jì)，并通過這個(gè)噪聲功率估計(jì)值來減小噪聲影響，然后采用

5、二階累積量和四階累積量相結(jié)合的方法對(duì)信道進(jìn)行均衡。該算法減弱了噪聲，克服了原超指數(shù)算法在低信噪比下不能維持收斂的缺點(diǎn)，同時(shí)保持了收斂速度。
　　再次，將支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)進(jìn)行比較，支持向量機(jī)不僅結(jié)構(gòu)簡(jiǎn)單，而且有較強(qiáng)的泛化能力，它可以避免神經(jīng)網(wǎng)絡(luò)中的過學(xué)習(xí)、欠學(xué)習(xí)和局部最小點(diǎn)等缺陷。針對(duì)目前調(diào)制識(shí)別算法存在的問題，提出了基于支持向量機(jī)的三種調(diào)制方式分類識(shí)別的算法。第一種算法為支持向量機(jī)模糊網(wǎng)絡(luò)，它將多個(gè)分類器的結(jié)果通過一種新的模糊

6、積分融合在一起，使得算法可以在大的信噪比范圍內(nèi)對(duì)信號(hào)進(jìn)行識(shí)別，尤其在低信噪比下的識(shí)別率比較高。第二種算法為支持向量機(jī)自適應(yīng)調(diào)制分類識(shí)別算法，它需要借助第二章中的信噪比估計(jì)值來選擇合適的分類器對(duì)信號(hào)進(jìn)行分類，僅使用單個(gè)分類器就能夠?qū)崿F(xiàn)大范圍信噪比識(shí)別能力。第三種算法是基于小波和小波支持向量機(jī)調(diào)制分類識(shí)別算法，將改進(jìn)的重點(diǎn)放在訓(xùn)練過程上，提出一種改進(jìn)的訓(xùn)練分類器的方法，來擴(kuò)大單個(gè)分類器信噪比的識(shí)別范圍。本文也分析了載波誤差對(duì)識(shí)別正確率的影響