基于循環(huán)譜的調(diào)制方式識別與高動態(tài)同步技術(shù)研究.pdf

1、調(diào)制方式識別及其后續(xù)的高動態(tài)同步技術(shù)是構(gòu)成基于軟件無線電智能接收機(jī)的重要技術(shù)基礎(chǔ)，也是它的瓶頸和核心，在多體制通信互聯(lián)和信號監(jiān)視方面有著十分重要的應(yīng)用。尤其是近十年來，計算機(jī)技術(shù)、高速數(shù)字信號處理技術(shù)以及高速專用器件的快速發(fā)展使調(diào)制方式識別和高動態(tài)同步技術(shù)的工程實現(xiàn)有了保證。在非合作通信領(lǐng)域的重要地位以及軟件無線電、認(rèn)知無線電中的應(yīng)用價值也得到進(jìn)一步的認(rèn)識。這方面的研究也越來越受到國內(nèi)外眾多學(xué)者的重視。
　　在此背景下，結(jié)合循環(huán)平

2、穩(wěn)過程理論的優(yōu)點，本文采用循環(huán)譜理論研究調(diào)制方式識別和高動態(tài)同步問題。研究內(nèi)容主要包括循環(huán)譜算法改進(jìn)及其實現(xiàn)、基于循環(huán)譜的調(diào)制方式識別算法、基于循環(huán)譜的高動態(tài)同步算法。
　　首先，對于循環(huán)譜算法，由于現(xiàn)有3種循環(huán)譜估計算法的計算量都非常大(主要由DFT和相關(guān)運算造成的)，不能對信號進(jìn)行實時處理。為此，本文提出在循環(huán)譜的分辨率是2的整數(shù)次冪時利用改進(jìn)滑動FFT算法計算DFT，在分辨率不是2的整數(shù)次冪時用AFT計算循環(huán)譜算法中的DFT

3、，相關(guān)算法全部采用一位相關(guān)算法來計算循環(huán)譜。借助實數(shù)乘法和實數(shù)加法運算量的換算系數(shù)，用加法次數(shù)作為衡量算法計算量的標(biāo)準(zhǔn)，給出改進(jìn)算法計算量的閉合表達(dá)式，并進(jìn)行性能仿真。隨后，利用NoisII軟核處理器及其Avalon總線架構(gòu)的優(yōu)點解決循環(huán)譜算法的實現(xiàn)問題，并以SSCA為例說明循環(huán)譜算法實現(xiàn)的過程和方法。
　　其次，針對現(xiàn)有調(diào)制識別算法的不足以及不同的應(yīng)用場合，本文按照調(diào)制方式識別統(tǒng)計模式識別方法的過程，對特征參數(shù)和分類器兩個方面進(jìn)

4、行改進(jìn)。對于特征參數(shù)，去掉一些不合適的循環(huán)譜特征參數(shù)，增加其它循環(huán)譜特征參數(shù)。并根據(jù)循環(huán)譜算法特點，在循環(huán)譜計算過程中提取一些頻域特征參數(shù)。對于分類器，首先采用概率神經(jīng)網(wǎng)絡(luò)，并對其結(jié)構(gòu)進(jìn)行改進(jìn)，相對于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，縮短了識別時間，增加了正確識別概率。隨后，針對某些信道多變的特點，利用自組織映射神經(jīng)網(wǎng)絡(luò)的自組織、無導(dǎo)師、自適應(yīng)等特點提出選用自組織映射神經(jīng)網(wǎng)絡(luò)作為調(diào)制方式識別中的分類器以適應(yīng)信道信噪比的變化。為了提高識別性能和減少識別

5、時間，對它的學(xué)習(xí)規(guī)則和競爭傳遞函數(shù)進(jìn)行改進(jìn)。仿真結(jié)果顯示采用自組織映射神經(jīng)網(wǎng)絡(luò)作為分類器識別信號的調(diào)制方式取得了很好的效果。另外，本文提出利用循環(huán)譜在二維頻率平面的幅度值以及最小均方誤差原則，對信號的調(diào)制方式進(jìn)行識別。這種算法能最大限度地利用循環(huán)譜的特征，提高正確識別概率。本部分最后針對共頻段多信號的調(diào)制方式識別問題，給出一種數(shù)學(xué)模型。利用該模型，提出根據(jù)調(diào)制信號的循環(huán)譜提取特征參數(shù)對共頻段多個通信信號的調(diào)制方式識別算法，通過仿真和理論

6、分析證明了提出算法的正確性。
　　最后，以 DSSS-QPSK為處理信號研究高動態(tài)同步算法。首先對傳統(tǒng)的科斯塔斯環(huán)和叉積自動頻率跟蹤算法進(jìn)行改進(jìn)。一是工作方式的改進(jìn)，也就是叉積頻偏估計算法和科斯塔斯環(huán)同時工作，這樣在消除頻偏的同時，也能消除相差；二是采用滑動平均算法更新得到的頻差和相差參數(shù)，縮短了參數(shù)更新時間，使環(huán)路很快進(jìn)入鎖定狀態(tài)，基本解決了跟蹤精度和環(huán)路快捕之間的矛盾。改進(jìn)算法為后續(xù)基于循環(huán)譜的高動態(tài)同步算法提供一個比較對象和