通信信號(hào)數(shù)字調(diào)制方式識(shí)別研究.pdf

1、自動(dòng)調(diào)制識(shí)別技術(shù)在多體制通信互聯(lián)、無線電監(jiān)測、通信偵察等領(lǐng)域有著重要的應(yīng)用價(jià)值。本文采用模式識(shí)別思想對(duì)目前常用的數(shù)字調(diào)制方式的自動(dòng)識(shí)別原理和方法進(jìn)行了深入的分析和研究，分別提出了在平坦衰落信道和頻率選擇性多徑衰落信道下自動(dòng)識(shí)別MPSK、MQAM、MAPSK等數(shù)字調(diào)制方式的算法和流程，主要工作有： 1.綜述了數(shù)字調(diào)制方式識(shí)別技術(shù)的不同方法，包括基于似然比檢測的調(diào)制識(shí)別方法、基于特征提取的模式識(shí)別方法和幾何方法?；谔卣魈崛〉哪Ｊ阶R(shí)

2、別方法的關(guān)鍵在于特征提取和分類器設(shè)計(jì)?；诟唠A累積量的特征能反應(yīng)符號(hào)率信號(hào)星座圖分布特性，能有效地區(qū)分幅度/相位調(diào)制方式，同時(shí)也抑制了噪聲影響；基于神經(jīng)網(wǎng)絡(luò)的分類器能有效地劃分高維特征向量空間，也可以提高低信噪比下的識(shí)別率。本文采用的就是這種方法。 2.提出了一種適合于低信噪比和平坦衰落信道的數(shù)字調(diào)制方式識(shí)別方法，其采用的主要技術(shù)包括：基于子空間分解估計(jì)噪聲功率、構(gòu)造高維的特征矢量和采用人工神經(jīng)網(wǎng)絡(luò)作為分類器。噪聲功率的估計(jì)使得

3、算法能夠使用功率歸一化的高階累積量作為特征量，同時(shí)可以估計(jì)出SNR，這在一定程度上減小噪聲的影響；高維特征矢量的使用則擴(kuò)大了不同調(diào)制方式的特征差異；而基于人工神經(jīng)網(wǎng)絡(luò)的分類器為高維特征空間劃分提供了方便，這些技術(shù)的使用使得本文提出的算法在低信噪比條件下具有良好性能。 3.提出了一種適合于頻率選擇性多徑信道衰落的數(shù)字調(diào)制方式識(shí)別的方法，并給出了識(shí)別的流程。提出的方法主要是采用了兩級(jí)盲均衡的策略來減小頻率選擇性多徑信道對(duì)調(diào)制方式識(shí)別