低信噪比下的數(shù)字調(diào)制識(shí)別算法研究.pdf

1、通信信號(hào)調(diào)制方式的識(shí)別技術(shù)已經(jīng)經(jīng)過了多年的發(fā)展，很多學(xué)者已經(jīng)將各種技術(shù)應(yīng)用到該領(lǐng)域，并取得了豐碩的成果?，F(xiàn)在非協(xié)作通信仍然是軍事和民用領(lǐng)域重要的通信形式。無線通信環(huán)境的復(fù)雜性和通信技術(shù)的發(fā)展都給調(diào)制識(shí)別技術(shù)提出了新的要求，在較低信噪比下進(jìn)行高效識(shí)別成為了本文的研究重點(diǎn)。
　　調(diào)制識(shí)別主要的工作是對(duì)接收的信號(hào)進(jìn)行預(yù)處理，并提取特征參數(shù)，設(shè)計(jì)分類器對(duì)信號(hào)的調(diào)制方式進(jìn)行識(shí)別。本文的主要工作和創(chuàng)新性成果如下：
　　1.對(duì)基于瞬時(shí)信息

2、提取特征參數(shù)的識(shí)別算法進(jìn)行改進(jìn)。提取了三個(gè)新的特征參數(shù)，分別是零中心歸一化瞬時(shí)幅度絕對(duì)值的傅里葉變換最大幅值max、歸一化瞬時(shí)頻率大于20的數(shù)量N、歸一化非弱信號(hào)段瞬時(shí)頻率的傅里葉變換最大幅值Fmax。仿真性能表明改進(jìn)的算法較傳統(tǒng)方法和基于小波變換的調(diào)制識(shí)別算法更好。
　　2.對(duì)基于信號(hào)功率譜提取特征參數(shù)的識(shí)別算法進(jìn)行研究，詳細(xì)分析信號(hào)的理論功率譜及其估計(jì)方法，提取有效的特征參數(shù)，并結(jié)合聚類算法實(shí)現(xiàn)信號(hào)的識(shí)別，該算法在信噪比大于5

3、dB時(shí)識(shí)別率達(dá)到99％。
　　3.對(duì)基于信號(hào)的高階累積量的識(shí)別算法進(jìn)行研究。在計(jì)算高階累積量時(shí)對(duì)信號(hào)進(jìn)行濾波，對(duì)不同的信號(hào)采用不同的方法求解高階累積量，并修正了其他文獻(xiàn)對(duì)4FSK微分信號(hào)高階累積量的錯(cuò)誤結(jié)果，實(shí)現(xiàn)的算法有效識(shí)別率在不低于0dB時(shí)滿足實(shí)際的目標(biāo)要求。
　　4.對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行研究，并用本文中的五個(gè)特征參數(shù)作為網(wǎng)絡(luò)的輸入，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，結(jié)果表明本文所提取的五個(gè)特征參數(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)合對(duì)調(diào)制信號(hào)進(jìn)行識(shí)別，在低信噪