基于支持向量機的調制方式識別算法的研究.pdf

1、隨著通信技術的發(fā)展，無線通信環(huán)境日益復雜，通信信號在傳送時采用了多種調制方式，同時這些信號的調制參數(shù)也不完全相同，如何有效的監(jiān)視和識別這些信號，在軍事和民用領域都是十分重要的研究課題。支持向量機具有較強的學習，識別能力，能較好地處理復雜的非線性問題，而且具有較好的穩(wěn)健性和潛在的容錯性，在調制識別中被廣泛應用。論文主要研究了基于支持向量機的調制方式識別算法。以AWGN 信道下基于瞬時特征的調制識別為研究的切入點，給出了各種調制方式瞬時特征

2、參數(shù)的提取方法，由于現(xiàn)有的C-SVM 存在沒有考慮超平面位置以及可能受異常點影響的缺點，本文對其模型進行了改進，引入了表示超平面位置的參數(shù)以及表示樣本點權重的模糊因子，并給出了對改進模型的求解過程，構建了能夠有效識別調制信號的基于二叉樹的多類SVM分類器，并對改進算法進行了仿真。結果表明，改進后的C-SVM的識別正確率優(yōu)于現(xiàn)有C-SVM的識別正確率。
　　 論文以四階累積量為特征參數(shù)，采用支持向量機(SVM)將分類特征值映射到高

3、維空間中，并構建最優(yōu)分類超平面，實現(xiàn)對QPSK、16QAM、64QAM和OFDM 四種信號的自動調制識別。由于瞬時特征參數(shù)易受噪聲影響，論文分析了AWGN 信道、Rayleigh 衰落信道和Nakagami 衰落信道對四階累積量的影響，推導并給出了經(jīng)過衰落信道后四階累積量的表達式。仿真結果表明，當信噪比為-5dB 時，AWGN 信道下的平均識別率能達到80%，而Rayleigh和Nakagami 信道下的平均正確識別率均能達到70%，當

4、信噪比大于等于0dB 時，三種信道下的平均正確率均可達到95%以上，并且基于SVM的調制識別的正確率優(yōu)于逐級判決調制識別正確率。
　　 最后，論文提出了一種基于協(xié)作的調制方式識別算法。該算法著重探討低信噪比情況下的調制識別的改進，根據(jù)融合方法的不同，分析了特征級融合的協(xié)作調制識別算法和決策級融合的協(xié)作調制識別算法。在特征級融合的協(xié)作調制識別算法中，各個用戶節(jié)點將特征值送往融合中心，融合中心再根據(jù)SVM 算法得到識別結果，而在決策