超特征下的數(shù)字調(diào)制識(shí)別技術(shù)研究.pdf

1、調(diào)制識(shí)別是軍事和民用領(lǐng)域一個(gè)傳統(tǒng)而有意義的研究課題。隨著軟件無線電和正交頻分復(fù)用技術(shù)的蓬勃發(fā)展，對(duì)調(diào)制識(shí)別技術(shù)的要求也越來越高，一方面，要求算法可硬件快速實(shí)現(xiàn)，另一方面又要求算法能適應(yīng)盡量多的樣式、獲得盡量高的識(shí)別準(zhǔn)確率。
　　本文在分析和總結(jié)現(xiàn)有文獻(xiàn)的基礎(chǔ)上，對(duì)調(diào)制識(shí)別做了較深入的研究，從提取有用分類信息、減少特征維數(shù)的角度著手研究，主要的工作和研究內(nèi)容包含以下幾個(gè)方面：
　　1.介紹了信號(hào)的調(diào)制理論，對(duì)常用域（瞬時(shí)特征量

2、、譜、小波、高階累積量等）下的特征提取作了研究，仿真并分析了分類特征的分布。鑒于噪聲和數(shù)據(jù)長度的影響，單一特征的分類能力是有限的，在此基礎(chǔ)上，引出超特征的概念，對(duì)特征向量進(jìn)行抽取，在簡(jiǎn)單的分類空間對(duì)不同的樣式進(jìn)行識(shí)別。
　　2.將遺傳算法和KNN分類器進(jìn)行結(jié)合，從超特征的角度研究了調(diào)制識(shí)別問題。針對(duì) QPSK和16QAM分類這個(gè)基本問題，基于7個(gè)高階累積量值，用c42和c60構(gòu)造分類參數(shù)T，用決策樹完成兩類的識(shí)別；然后，將所有的基

3、礎(chǔ)特征輸入遺傳算法和 KNN分類器構(gòu)建的分類結(jié)構(gòu)中，進(jìn)化得到最優(yōu)的分類特征，從特征在超平面的分布看，得到的特征類間分離度高，類內(nèi)緊湊，識(shí)別性能優(yōu)異，表明方法對(duì)于多維特征中內(nèi)在模式的抽取是有效的。緊接著，討論了框架中一些復(fù)雜的問題：KNN分類器中 K值選取，學(xué)習(xí)樣本的選取，適應(yīng)度函數(shù)的設(shè)計(jì)，以及多類問題的分類策略問題，然后運(yùn)用算法對(duì) BPSK/QPSK/16QAM/64QAM進(jìn)行了識(shí)別，仿真結(jié)果在10dB時(shí)平均正確率可達(dá)96.7％。

4、>　　3.研究了一個(gè)具體場(chǎng)景下的調(diào)制識(shí)別問題。針對(duì)幾種常見的遙控遙測(cè)調(diào)制信號(hào)(PCM/FM,PCM/BPSK,PCM/QPSK,PCM/UQPSK，PCM/BPSK/PM(標(biāo)準(zhǔn) TT&C))，對(duì)信號(hào)特性進(jìn)行研究分析，考慮信號(hào)是否有載波殘留，平方譜是否有譜線凸出，功率譜密度分布以及譜峰的個(gè)數(shù)，提出4個(gè)分類特征，然后用決策樹和遺傳算法兩種方法分別進(jìn)行了識(shí)別，仿真結(jié)果表明，提出的分類特征是有效的，在信噪比10dB，平均正確率可達(dá)90%，同時(shí)，