论文部分内容阅读
调制模式识别问题研究的是如何从接收到的通信信号中提取出其调制模式信息,它在军用和民用方面都有着广泛的应用,并在近年来吸引了大量的研究人员对此问题进行深入的研究。通信信号的调制模式识别问题主要包括两个方面:一是调制类型的分类,它指的是不同的调制类别,如幅度调制、相位调制、频率调制这几种基本的调制类型的区分,这可以看成类间识别;再就是同一个调制类别中不同调制水平M的识别,或称为类内识别。本文采用基于统计模式识别的方法,研究了非合作通信与合作通信中通过提取调制信号的星座图特征对调制模式进行识别的问题。在非合作通信中,利用小波变换提取调制信号的星座图特征。小波变换可以描述信号的时频特性,同时也是一种有效的信号奇异性检测工具。文章利用小波变换系数在符号跳变处的奇异性,结合多同步参考点修正技术,与传统方法相比,可以更精确地估计出信号的符号率和符号同步位置,并进一步获得调制信号的星座图信息。对调制信号的星座图进行识别分类,确定信号的调制模式,我们采用聚类算法。聚类是在非监督条件下对数据进行分类,其分类依据主要有数据之间的相似性和数据集合的分布密度函数。文章采用分层聚类算法,定义了新的准则函数,同时解决了确定星座点实际位置和星座点数目的问题。结合小波变换和聚类,构造出一种新的MPSK与MQAM数字调制信号的调制模式识别算法。该算法无需提供任何信号调制参数的先验知识,并且在较低的SNR条件下获得很好的调制模式识别效果。在合作通信中,论文研究了自适应OFDM系统中的调制模式识别问题。采用基于假设检验的星座图识别方法,利用不同假设下信号SNR估计值之间的差值,实现了自适应OFDM系统的调制模式盲检测。此算法计算量小,并且性能优于ML算法和最小误差算法。仿真结果显示即使在样本规模很小时,算法仍可以获得很好的识别效果。