文档介绍：摘要信号调制样式的自动识别是非协作通信中的主要问题,也是软件无线电接收机必备的功能之一。调制识别是近年来信号处理领域研究的热点问题,随着通信技术的飞速发展,通信信号的体制和调制样式变得更加复杂多样,信号环境日趋密集,使得常规识别方法和理论很难适应实际需要,无法有效地对通信信号进行识别,这也给通信信号的识别研究提出了更高的要求。近几十年来,人们在通信信号的识别方面作了大量有益的探索,提出了很多新思路和新方法。本文介绍了常用的通信信号D獾髦蒲胶褪值髦蒲的时域、频域特征,首先从时频域提取信号的特征参数,用于区分、、、、、、这裥藕牛梅抡嫘藕藕褪际采样信号验证了该方法的可行性。接着,本文介绍了高阶累积量的定义和多种数字调制信号高阶累积量的值,通过计算基带信号的高阶累积量,可以对、、、、、中藕沤蟹掷啵梅抡嫘藕藕褪导采样信号对该方法进行了论证,该方法可以在低信噪比条件下实施。此外,本文还讨论了小波变换的原理,并且采用离散小波变换提取特征参数,对伊藕沤蟹掷啵捎梅抡嫘藕哦愿梅椒ń辛耸匝檠橹ぁ在分类器设计方面,介绍了利用神经网络进行模式识别的原理,采用前述的三种特征提取方法,分别结合判决树分类器和神经网络分类器对信号进行分类,并且进行了试验论证。本文针对上述三种特征提取方法和两种分类器,在不同的信噪比下对仿真数据和实际采样数据进行了多次验证试验,取得了令人满意的试验结果。这些试验结果也反映了利用上述三种不同特征提取方法和两种不同分类器对信号进行识别的效果和性能,本文总结了这些不同方法的优缺点。同时,本文还研究了采用高阶累积量估计信号符号信噪比的方法和利用连续小波变换估计数字调制信号符号速率的方法,利用仿真信号证明了这两种方法的可行性。本文在通信信号调制样式的自动识别方法上做了一点有益的探索,在这方面还有大量的工作值得探索和实践。
知识水坝***@pologoogle为您整理
关键谰:调裁样式癌动识澍,将鬣参数,懿泠累彀整,枣波交换,季孛羟耀络攮要
知识水坝***@pologoogle为您整理
.,琏垂甋,,,,.,,瓸甌/.’
垒酚——吐篈,珹甌,..
圈翻录甏蘩予模式谈澍方法的调箭祥式识翱流程黼⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯圈数字截获接收救结构图⋯⋯⋯⋯⋯,⋯⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.信号熬时黩域特生⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图藕诺氖逼涤蛱匦浴黟液旁急绨蛱厍啤甶信号的时颁域特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯豳售号黪翳叛域特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~⋯信号的时额域特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一黧信号蛉时频域黪性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~鹜藕诺氖逼涤蛱赝圈π藕诺氖逼涤蛱匦浴碡信号鹣时叛城特瞧⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。⋯信号的时频域特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.】瑟ê盼愚镀涤蛱匦浴爵图几种信号的平方谱⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.鹫窝绩号豹窭次方谱⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~..图问怠躅呜蝗馈圈逼涤蛱仡问越雍攀侗鸬牡硗肌碡图仿真信号在不丽信碟魄下的识舅《概率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.信号调制阶数对信噪比估计方蒺的影响⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。鹜踸鬟强元个数对信嗓跣估计方麓的影褊⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.,图数字调制样式的参数值⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯,。图疆交鹜琹图
图藕诺膒‰参数值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯蚕一次,⒉ń换幌瑞:喊/、波变换遴行调露肥绞朵A魉胝荨%盼、信号的参数值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.、、藕诺膁问住和藕诺膁问怠帮信号鲍舒参数僮⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图用高阶累积照进行调制样式识别的流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图二次小波交换后的信号包络醋二次小波变换后的僚号包络的频谱⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯、藕判〔ū浠焕肫迪凳低图/信号小波变换高频系数幅蠖阉⋯⋯∫悍治鼋岷仙窬章缡豆械牧鞒添搿硒”褪骣豁们铋镐鹳∞铊努毋图目荣零
表目录表逼涤蛱卣鞑问ㄊ侗鸩裳藕诺牟厝反问表售号微分爱懿累积量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯,..⋯⋯⋯⋯⋯⋯⋯⋯..表不同信噪比下佳算的符号速率的均德和标准差⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表时频域特征参数结合神经网络识别采样信号的正确概率⋯⋯⋯⋯⋯⋯⋯.信号的累积鬣⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.信号魏累积萤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯,信号的累积堂⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表袁信号的累积凝⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表訫堆