论文部分内容阅读
数字调制识别是无线通信中的一个热门研究领域,尤其是相对于解调、解码等技术,调制识别在通信中也起到举足轻重的作用。然而,对于一些复杂的变化,诸如:噪声干扰、信噪比变化等为调制识别带来了很大的挑战,数字调制识别算法仍然有必要做出更深入的研究。为了得到更高识别率,在充分了解背景和现有调制识别算法的基础上,针对常用的数字调制信号,本文进行了如下的研究工作:(1)研究了一种基于神经网络的数字调制识别算法。首先,给出了算法的整体框架和流程,即将接收信号预处理,提取特征参数,测试信号先经过训练网络得到粗略的识别目标后,再将信号送入成熟神经网络分类器进行精确检测,最终实现高鲁棒性的调制信号识别。通过仿真实验可以得出结论:利用该算法在MATLAB平台对2ASK、4ASK、2FSK、4FSK、BPSK、QPSK共6种数字调制信号成功进行仿真分类识别,识别率稳定在90%以上。(2)研究了一种基于高阶累积量的数字调制识别算法。针对调制信号的高阶累积量做了全面的分析及讨论,进而将这种高阶累积量算法运用于通信数字信号调制方式识别中,主要讨论7种数字信号BPSK、QPSK、8PSK、8QAM、16QAM、32QAM和64QAM的调制方式的识别。首先针对算法需求进行特征参数提取,进而利用MATLAB进行相关仿真实验,并观察该算法在不同信噪比下的识别成功率,根据实验结果可知,该算法能够达到调制信号的基本识别要求。(3)由于星座图可以描述信号空间分布状态,设计了基于星座图聚类的数字调制方式识别算法。针对MQAM、MPSK这些数字调制信号,提出了一种改进的特征识别方法。首先根据经验聚类半径,利用减法聚类获得较为合理的聚类中心并得出聚类数目,然后根据聚类点数和聚类位置定义一个新的基于聚类中心数和星座图圆半径比值的特征识别函数,进而实现了MQAM信号的调制识别。考虑到MPSK信号星座图圆半径相同,根据距离y轴最小相位的聚类点(除去y轴上的点)向x轴映射点到原点的距离重新定义特征函数实现MPSK信号的调制识别。仿真结果表明,改进方法优于传统减法聚类方法,识别率更高。