论文部分内容阅读
调制模式自动识别作为信号接收与解调的中间过程,是对盲信号提取特征参数后,通过适当的分类算法辨识出信号的调制模式。随着现代通信技术的快速发展,通信信号的制式识别逐渐成为通信领域的研究热点。本文是基于前人的研究基础,在信号频域、高阶累积量域和时域提取特征参数,采用支持向量机分类器,完成对OFDM和常见单载波信号的调制识别的研究设计与改进。不同调制信号的功率谱形状特征不同,因此功率谱可以一定程度上反应出调制信号的特性。与单载波信号相比,OFDM信号的功率谱具有无明显冲击分量,带内频谱相对平坦,且旁瓣相对较窄的特点。本文算法以信号的功率谱特征作为依据,提出了三个基于信号功率谱的识别参数,用于OFDM信号和单载波信号的调制识别,分别实现了OFDM信号与9种单载波信号(2ASK、16QAM、2PSK、4PSK、8PSK、OQPSK、 MSK、2FSK和4FSK)的调制识别。通过对功率谱进行归一化预处理,提高了方法的适用性,并仿真了各特征参数的性能。仿真结果表明本文提出的识别参数有着很好的抗噪性和识别率。高阶累积量在高斯白噪声大于二阶时的值为零,所以具有很好的抗噪性。本文改进提出一种基于高阶累积量方法的OFDM与单载波信号的调制识别,使通常仅适用于基带信号调制识别的高阶累积量同样适用于中频信号。通过对包络均值进行归一化处理,消除由成形滤波器造成的影响,改进地采用固有时间尺度变换对信号进行处理,提取第一层旋转分量的瞬时幅度复信号模值,对模值求归一化四阶累积量作为识别参数识别出OFDM,然后根据5个特征参数,最终完成7种单载波信号(2ASK、16QAM、2PSK、4PSK、8PSK、2FSK和4FSK)的分类识别。仿真证明,在信噪比的值大于9dB时,每种信号的正确识别率均大于90%。本文最后介绍了一套基于DSP和FPGA的硬件演示系统,并在系统中使用DSP芯片实现本文算法流程,FPGA作为缓存和接口部件,识别结果通过网口传给上位机显示。本文通过硬件系统测试算法的性能,并以此来证明本文算法的有效性与可实现性。