学位论文 > 优秀研究生学位论文题录展示

数字通信信号的调制方式识别研究

作　者: 位小记
导　师: 谢红
学　校: 哈尔滨工程大学
专　业: 通信与信息系统
关键词: 调制方式识别小波消噪高阶累积量星座图聚类分析支持向量机
分类号: TN911.3
类　型: 硕士论文
年　份: 2011年
下　载: 75次
引　用: 0次
阅　读: 论文下载

内容摘要

通信信号的调制方式识别是截获信号处理领域的重要组成部分,它需要在复杂环境和有噪声干扰的条件下,不依赖于其它的先验知识,确定接收信号的调制方式,并提取相应的调制参数,为信号的进一步分析和处理提供依据。随着通信体制和信号调制方式的复杂化和多样化,通信环境日益复杂,使通信信号的调制方式识别成为军、民领域内十分重要的研究课题。近几十年来,人们在通信信号调制方式识别方面进行了大量的研究,并提出了许多新的方法和思路。本文在已有方法的基础上,重点对常用数字通信信号调制方式的自动识别进行研究。本文的主要工作和创新之处在于：首先,本文分析了常用数字调制信号的调制原理,并对基于希尔伯特变换的瞬时信息提取、常用的载波频率估计和码元速率估计方法进行了研究。其次,针对数字调制方式识别在低信噪比下的应用,本文对基于瞬时特征参数的数字调制方式识别算法进行了两点改进：首先设计一种小波滤波器,在信号的预处理阶段对瞬时信息进行小波消噪处理,减弱噪声的影响；另外从中频信号中提取五个相对简单的瞬时特征参数,改善算法的复杂度,简化识别过程。从而提高了算法在低信噪比下的识别性能。再次,本文在理论分析的基础上,提出了一种基于高阶累积量和星座图的联合数字调制方式识别算法。该算法针对较难识别的数字调制信号2FSK、4FSK和8PSK,将傅里叶变换与高阶累积量相结合,提取高性能的特征参数进行识别,同时采用改进的星座图聚类分析法提高MQAM信号的识别率。文中从理论上分析了该算法的有效性,并用计算机仿真验证了有效性。最后,为了改善数字调制方式识别在小样本下的识别效果,给出了一种基于高阶累积量和支持向量机的数字调制方式识别算法。该算法采用一对一的多类构造法,使用交叉验证网格搜索的方法进行参数选取,构建了稳健的多类支持向量机分类器,并利用高阶累积量域内构造的特征向量,进行数字调制信号的识别。仿真结果表明,与BP神经网络法相比,该算法具有更好的小样本识别性能和推广泛化能力。

全文目录

摘要  5-6
ABSTRACT  6-11
第1章绪论  11-17
  1.1 研究的背景及意义  11-12
  1.2 调制识别的发展和研究现状  12-15
    1.2.1 似然比判决理论法  12-13
    1.2.2 统计模式识别法  13-15
  1.3 研究的主要内容及章节安排  15-17
第2章数字调制方式识别的基础理论  17-29
  2.1 引言  17
  2.2 数字通信信号的调制方式  17-22
    2.2.1 幅度键控调制  17-18
    2.2.2 频移键控调制  18-19
    2.2.3 相移键控调制  19-20
    2.2.4 正交幅度调制  20-22
  2.3 数字信号的正交变换理论  22-25
  2.4 调制信号的参数估计  25-28
    2.4.1 载波频率估计  25-26
    2.4.2 码元速率估计  26-28
  2.5 本章小结  28-29
第3章基于瞬时特征参数的数字调制方式识别  29-40
  3.1 引言  29
  3.2 瞬时信息的优化  29-33
    3.2.1 小波分析  29-30
    3.2.2 小波消噪理论  30-31
    3.2.3 瞬时信息优化的实现  31-33
  3.3 识别算法的设计  33-38
    3.3.1 特征参数的提取  33-34
    3.3.2 识别流程  34-35
    3.3.3 门限值的确定  35-38
  3.4 仿真结果与分析  38-39
  3.5 本章小结  39-40
第4章基于高阶累积量和星座图的数字调制方式识别  40-60
  4.1 引言  40
  4.2 高阶累积量的理论基础  40-45
    4.2.1 高阶矩和高阶累积量的定义  40-42
    4.2.2 高阶矩与高阶累积量的转换关系  42-44
    4.2.3 高阶累积量的性质  44-45
  4.3 数字调制信号各阶累积量的理论值  45-49
    4.3.1 MASK信号各阶累积量的理论值  46-47
    4.3.2 MPSK信号各阶累积量的理论值  47-48
    4.3.3 MFSK信号各阶累积量的理论值  48-49
    4.3.4 MQAM信号各阶累积量的理论值  49
  4.4 星座图聚类分析及应用  49-54
    4.4.1 星座图聚类分析  49-51
    4.4.2 星座图聚类分析在MQAM信号识别中的应用  51-54
  4.5 基于高阶累积量和星座图的联合识别  54-59
    4.5.1 特征参数的构造  54-55
    4.5.2 识别流程  55-56
    4.5.3 实验仿真及结果分析  56-59
  4.6 本章小结  59-60
第5章支持向量机在数字调制方式识别中的应用  60-70
  5.1 引言  60
  5.2 统计学习理论  60-61
    5.2.1 VC维理论  60
    5.2.2 结构风险最小化准则  60-61
  5.3 支持向量机的基本原理  61-64
  5.4 多类支持向量机分类方法  64-66
    5.4.1 一对余法  65
    5.4.2 基于二叉树的多类SVM分类法  65
    5.4.3 一对一法  65-66
  5.5 SVM在数字调制方式识别中的应用  66-68
    5.5.1 识别流程  66
    5.5.2 实验仿真及分析  66-68
  5.6 本章小结  68-70
结论  70-71
参考文献  71-75
攻读硕士学位期间发表的论文和取得的科研成果  75-76
致谢  76

数字通信信号的调制方式识别研究

内容摘要

全文目录

相似论文