1 / 53
文档名称:

无线通信信号调制方式的自动识别算法研究.pdf

格式:pdf   页数:53
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

无线通信信号调制方式的自动识别算法研究.pdf

上传人:minzo 2014/6/12 文件大小:0 KB

下载得到文件列表

无线通信信号调制方式的自动识别算法研究.pdf

文档介绍

文档介绍:西南交通大学研究生学位论,文玉线通信信呈递圭涣⑴瘫远俦簋法研究至昼级奎亟杰王堂亟±适篮皇值:垦丕统董渔王量』塾攫年级姓申请学位级别专业指导教师二零一一年六月一奄一一,牛六月名国内图书分类号:密级:公开
㈣Ⅲ洲⋯:.,篢
:剐·∥学位论文作者签名:槐C芡褂帽臼谌ㄊ椤:.西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于C芸冢年解密后适用本授权书;朐谝陨戏娇蚰诖颉”日期:指导老师签名
名第觅二。.西南交通大学硕士学位论文主要工作毕声明本人在学位论文中所做的主要工作或贡献如下:⒒诟呓桌刍康牡魇允侗鹗窍衷谧龅髦剖侗鹧芯康闹氐阒弧T诒疚闹校算首先计算得到/,,,,,种调制方式的高阶矩和高阶累积量并且构造识别参数进行识别。和信号由于在较大信噪比的条件下才趋近理论值,所以识别正确率比较低。针对这个问题,我们改进识别算法,将识别信号进行分组,首先把识别出来,然后再进行其他它的识别。用这种方法,我们提高了调制识别的氯仿省⒄攵曰诟呓桌刍康氖侗鹚惴ㄖ藕藕藕盼薹ㄇ值奈侍猓我们这里采用了基于瞬时信息的识别参数和基于高阶累积量的识别参数相结合的方法。先用基于瞬时信息的识别参数将、、和罄嗲郑后再在类内进行识别。用这种方法不仅可以将和相区分,而且调高了识别正确率。在信噪比大于氖焙颍侗鸬恼犯怕试ヒ陨稀本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名:日期:
摘要西南交通大学硕士研究生学位论文第随着通信技术的发展,调制识别在军用和民用两个领域都有着广泛的应用背景,尤其是在非合作通信领域。调制识别是指在先验信息不足,或者说是没有先验信息的条件下,通过对接收信号的分析,得到信号的调制方式信息及其他的一些参数。调制识别有两个发展方向,一个是基于决策论的方法,这种方法要求实现知道除了调制方式外几乎所有的参数,因此使用受到限制;另一个发展方向是基于统计模式识别理论的方法,这种方法操作灵活,是现在被广泛研究和应用的方向。本文研究了基于高阶累积量的识别算法,在平台上仿真实现了数字调制方式的自动识别。采用将待识别信号重新分组的方法来改进识别算法,使得识别正确率得到提高;同时发现基于瞬时信息的参数也可以应用到高阶累积量的识别过程中,就引入决策理论中的两个识别参数,用这种联合识别的方法,提高了识别正确率。本文首先介绍了课题的研究背景和研究现状,介绍了调制识别的一般过程;其次介绍了调制识别的理论基础,包括调制信号的瞬时特征信息的提取方法以及高阶累积量等,然后计算了各种调制方式其高阶累积量特征值;针对信号识别正确率相对较低的问题,采用了在识别的过程中将待识别信号重新分组的改进算法,从而提高了调制识别的正确率;同时将高阶累积量中识别效果好的特征参数引入基于瞬时信息的识别算法中,采用联合识别的方法以提高识别的正确率;文章的最后对改进算法的识别氯仿式辛朔抡妗关键词:调制识别;瞬时参数;高阶累积量;特征参数;判决树
甌琲西南交通大学硕士研究生学位论文籗瑃甌,,,,甌籌;;;,猚,,,
目录西南交通大学硕士研究生学位论文第摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第滦髀邸研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯调制识别技术研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯调制识别的一般过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文章节安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第碌髦剖侗鹄砺刍调制信号的基本特征参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯调制信号瞬时特征参数的计算⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯高阶累积量的理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数字调制信号高阶矩的计算⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。信号的高阶矩计算⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.信号的高阶矩计算⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯决策树⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯第禄诟呓桌刍康髦剖侗鸬母慕惴ā调制信号高阶累积量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..识别参数构造与识别过程⋯⋯