無線通信信號(hào)調(diào)制識(shí)別算法研究.pdf

1、通信信號(hào)調(diào)制方式的自動(dòng)識(shí)別指的是傳輸過程有噪聲污染且無先驗(yàn)信息的情況下,對(duì)所接收信號(hào)作適當(dāng)加工處理,明確調(diào)制類型,為下一步工作做鋪墊。在信號(hào)監(jiān)測(cè)、干擾辨識(shí)、多用戶檢測(cè)、電子對(duì)抗、無線電頻譜監(jiān)測(cè)等許多領(lǐng)域中,通信信號(hào)的自動(dòng)調(diào)制識(shí)別都是研究的熱點(diǎn)問題,更重要它是軟件無線電接收機(jī)中一項(xiàng)極為重要的必備功能。通信信號(hào)調(diào)制方式的自動(dòng)識(shí)別技術(shù)是現(xiàn)代無線通信技術(shù)研究領(lǐng)域中一個(gè)極為重要的部分,其工程應(yīng)用前景十分廣泛。
　　隨著通信技術(shù)突飛猛進(jìn)的發(fā)展

2、,無線通信環(huán)境變得越來越復(fù)雜,天線接收到的信號(hào)常為具有多采樣值且同時(shí)混疊于時(shí)域、頻域和空域的混合信號(hào)。由于先驗(yàn)知識(shí)少,使分離和識(shí)別工作很難進(jìn)行,因此如何快速準(zhǔn)確、安全可靠地分離和識(shí)別這些混合信號(hào)一直是軍用和民用領(lǐng)域備受關(guān)注的熱點(diǎn)課題。
　　本文首先介紹了各種數(shù)字通信信號(hào)模型,利用MATLAB仿真其波形。在此基礎(chǔ)上,基于獨(dú)立分量分析(Independent Component Analysis,ICA)和支持向量機(jī)(Support

3、Vector Machine,SVM)對(duì)2ASK、4ASK、2FSK、4FSK、2PSK、4PSK和16QAM這七種無線通信中常見的數(shù)字信號(hào)組成的混合信號(hào)進(jìn)行了分離、識(shí)別研究。采用快速固定點(diǎn)(FastICA)算法分離出各個(gè)獨(dú)立成分,利用MATLAB仿真其分離效果,結(jié)果表明FastICA算法較理想地還原了源信號(hào)中各獨(dú)立成分的波形。引入支持向量機(jī)分類思想,從信號(hào)的瞬時(shí)信息(瞬時(shí)幅度、瞬時(shí)頻率、瞬時(shí)相位)、信號(hào)頻譜及復(fù)雜度中提取六個(gè)特征參數(shù)組

4、成識(shí)別特征集,采用SVM調(diào)制識(shí)別器對(duì)調(diào)試方式進(jìn)行識(shí)別。由于核函數(shù)類型、核函數(shù)參數(shù)以及懲罰因子C的選取直接影響SVM分類器的泛化性能,本文引入擴(kuò)展粒子蜂群算法(Extensive Particle Swarm Artificial Bee Colony Algorithm, EPSABC),用MATLAB編程實(shí)現(xiàn)EPSABC算法的性能評(píng)估,結(jié)果顯示,EPSABC的優(yōu)化性能有明顯提升,成功應(yīng)用于SVM的參數(shù)優(yōu)化。最終基于 EPSABC-SV