數(shù)字通信信號(hào)調(diào)制識(shí)別的研究.pdf

1、對(duì)于接收到的信號(hào)，在正確的識(shí)別信號(hào)的調(diào)制方式和調(diào)制參數(shù)的前提下，才能完成信號(hào)解調(diào)和其他的通信任務(wù)。因此，調(diào)制信號(hào)的自動(dòng)識(shí)別非常重要。本文基于已有的單節(jié)點(diǎn)調(diào)制識(shí)別算法，結(jié)合信息融合算法，對(duì)協(xié)作調(diào)制識(shí)別算法進(jìn)行改進(jìn)，以期達(dá)到衰落信道下系統(tǒng)有更好的識(shí)別性能。
　　為減小無線通信環(huán)境中存在的深衰落、陰影效應(yīng)和隱藏節(jié)點(diǎn)等問題對(duì)調(diào)制識(shí)別結(jié)果的影響，本文提出一種新的節(jié)點(diǎn)間協(xié)作的識(shí)別方法，實(shí)現(xiàn)對(duì)2ASK，4ASK，8ASK，2PSK，QPSK，8

2、PSK，2FSK，4FSK，8FSK，16QAM，32QAM，64QAM和OFDM13種調(diào)制方式正確識(shí)別。相互協(xié)作的節(jié)點(diǎn)提取不同類的特征參數(shù)，它們分別是瞬時(shí)特征參數(shù)，小波分解細(xì)節(jié)系數(shù)與高階累積量相結(jié)合的特征參數(shù)和信號(hào)倒譜系數(shù)特征參數(shù)，它們可以從不同角度表征目標(biāo)信號(hào)，每個(gè)節(jié)點(diǎn)將特征參數(shù)輸入到已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，然后將神經(jīng)網(wǎng)絡(luò)的輸出直接作為證據(jù)送往融合中心進(jìn)行融合，融合規(guī)則采用一種改進(jìn)的D-S證據(jù)理論組合規(guī)則。仿真結(jié)果表明，將不

3、同類特征參數(shù)結(jié)合，采用改進(jìn)D-S證據(jù)理論進(jìn)行融合的方法不僅可以提高系統(tǒng)平均識(shí)別性能，還可增加可識(shí)別信號(hào)的種類。
　　提出了基于相關(guān)性分簇的兩級(jí)融合調(diào)制識(shí)別算法。該算法采用db3小波對(duì)BPSK，2FSK，2ASK，QPSK，4FSK，以及4ASK六種待識(shí)別信號(hào)進(jìn)行7層分解，提取各層小波系數(shù)，重構(gòu)各層信號(hào)并計(jì)算各層信號(hào)的平均方差S，得到S1~S8八種參數(shù)；同時(shí)引入?ap、C2、?dp、M四種特征參數(shù)?；诮邮招盘?hào)能量的相關(guān)性對(duì)節(jié)點(diǎn)進(jìn)行

4、分簇，簇內(nèi)節(jié)點(diǎn)根據(jù)接收信噪比的大小提取不同參數(shù)進(jìn)行協(xié)作，每個(gè)節(jié)點(diǎn)只提取一種特征參數(shù)，送往簇頭，在簇頭處進(jìn)行初級(jí)特征融合，簇頭將初級(jí)判決結(jié)果送至匯聚中心，在匯聚中心進(jìn)行決策級(jí)融合。仿真結(jié)果表明，與隨機(jī)成簇相比，本文算法的性能有較大的提高，平均識(shí)別率在-15dB時(shí)達(dá)到了82.50％。
　　對(duì)基于最大似然的協(xié)作調(diào)制識(shí)別算法進(jìn)行了研究。從似然函數(shù)表達(dá)式中的概率密度函數(shù)出發(fā)，給出四個(gè)簡化近似概率密度函數(shù)：Tikhonov概率密度函數(shù)、L階傅

5、立葉系數(shù)近似概率密度函數(shù)、Gauss-Legendre有限積分近似概率密度函數(shù)、Gauss-Hermite半無限積分近似概率密度函數(shù)，計(jì)算四種近似概率密度函數(shù)與精確概率密度函數(shù)間的Kullback-Leibler距離，用來量化它們與精確概率密度函數(shù)的相近程度。論文給出了基于最大似然的協(xié)作調(diào)制識(shí)別算法，其中似然函數(shù)中的概率密度函數(shù)采用與準(zhǔn)確概率密度函數(shù)最接近的Gauss-Hermite半無限積分近似概率密度函數(shù)。仿真結(jié)果表明，與單傳感器識(shí)