短波通信中的數(shù)字調(diào)制信號(hào)識(shí)別.pdf

1、短波通信作為一種現(xiàn)代通信技術(shù)，雖然經(jīng)歷了幾十年的發(fā)展歷程，仍然以其機(jī)動(dòng)靈活、設(shè)備簡(jiǎn)單、通信距離遠(yuǎn)等優(yōu)勢(shì)，保持旺盛生命力。但由于短波信道復(fù)雜，存在大量惡劣的噪聲、信號(hào)種類多等特點(diǎn)，嚴(yán)重影響了接收人員的工作。本文研究的短波通信中的數(shù)字調(diào)制信號(hào)識(shí)別算法就是針對(duì)短波通信的以上特點(diǎn)，識(shí)別信號(hào)的調(diào)制類型，來改善接收人員的工作環(huán)境，提高他們的工作效率。 本文首先介紹了常用的數(shù)字調(diào)制種類，給出一些常用調(diào)制信號(hào)的數(shù)學(xué)模型，同時(shí)給出了調(diào)制信號(hào)基本參

2、數(shù)的估計(jì)方法。 在特征提取部分采用了小波包分解與高階累積量相結(jié)合的方法。小波包變換可自由選擇不同時(shí)間點(diǎn)、頻率點(diǎn)上的時(shí)頻分辨率，不同的調(diào)制信號(hào)小波包分解后具有不同的能量分布。高斯白噪聲大于二階的累積量為零，有很好的抑制噪聲作用，對(duì)于能量分布相似的調(diào)制信號(hào)再用高階累積量做特征對(duì)其進(jìn)行區(qū)分。因而，利用小波包變換和累積量相結(jié)合能有效地提取信號(hào)特征。 分類器設(shè)計(jì)部分重點(diǎn)研究了支持向量機(jī)分類器，構(gòu)建了以支持向量機(jī)為基礎(chǔ)的分級(jí)分類器。

3、支持向量機(jī)算法是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的，在小樣本情況下具有很大的優(yōu)勢(shì)，有較好的泛化推廣能力。而分級(jí)分類器相比單級(jí)分類器具有更低的計(jì)算復(fù)雜度和更快的分類器訓(xùn)練速度。 在理論研究的基礎(chǔ)上，做了以現(xiàn)場(chǎng)采集的短波通信中的調(diào)制信號(hào)為源數(shù)據(jù)的實(shí)驗(yàn)。在實(shí)驗(yàn)中，提取小波包分解和高階累積量特征，利用以支持向量機(jī)為基礎(chǔ)的分級(jí)分類器進(jìn)行分類，實(shí)現(xiàn)了多種信號(hào)在較大信噪比范圍內(nèi)的自動(dòng)識(shí)別。同時(shí)，對(duì)在不同信噪比下、采用不同核函數(shù)和不同分類方法時(shí)的性能也做