通信信號調(diào)制方式自動識別.pdf

1、數(shù)字通信信號的調(diào)制方式自動識別在非協(xié)作通信研究領(lǐng)域具有重要的意義。本文針對數(shù)字通信信號的調(diào)制方式自動識別問題進(jìn)行了分析、總結(jié)和進(jìn)一步研究。論文的主要工作成果,可以歸納為以下幾點:
　　 首先,在高斯白噪聲環(huán)境下,比較了幾種時域特征參量的調(diào)制識別性能,通過幾種時域特征參量區(qū)分2FSK、BPSK、QPSK、8PSK、OQPSK和16QAM信號。分析了幾種特征參量在不同信噪比下的變化情況,并采用決策樹分類算法得出了相應(yīng)的識別率曲線。<

2、br>　　 其次,在頻域?qū)追N常見數(shù)字調(diào)制信號的譜線特征進(jìn)行了分析研究。由于不同調(diào)制方式的信號往往會產(chǎn)生不同的譜線特征。本文重點研究了信號的平方譜和四次方譜,給出了離散譜線檢測參量的量化定義。信號的頻域譜線特征運算復(fù)雜度低,對調(diào)制參數(shù)具有較好的穩(wěn)健性。
　　 然后,研究了基于高階累積量的調(diào)制信號識別方法,首先給出了高階累計量的定義以及相應(yīng)的估計方法。針對MPSK類信號的識別問題,給出了一種基于4階累積量不變特征的識別方法。仿真

3、結(jié)果表明,該特征量對MPSK信號具有較好的識別性能。針對幅相調(diào)制信號,根據(jù)信號的不同特點,首先將信號分為五類,然后分別針對其中的兩個信號子集進(jìn)行識別,有效簡化了識別過程。仿真結(jié)果驗證了分類算法的有效性。
　　 最后,研究了基于支持向量機的調(diào)制方式分類識別算法。分析了支持向量機的經(jīng)驗風(fēng)險最小化原則和結(jié)構(gòu)風(fēng)險最小化原則,然后介紹了SVM的最優(yōu)分類面。為了解決多分類問題,研究了SVM的多分類別分類方法。在此基礎(chǔ)上,選擇分類特征參數(shù)后通