直擴(kuò)信號(hào)類(lèi)似噪聲,低信噪比條件下,傳統(tǒng)弱分類(lèi)器對(duì)常規(guī)調(diào)制信號(hào)和擴(kuò)頻信號(hào)的混合識(shí)別效果不理想。為了提高信號(hào)調(diào)制方式識(shí)別性能,利用常規(guī)調(diào)制信號(hào)和擴(kuò)頻信號(hào)的瞬時(shí)特征和頻域特征,選取零中心歸一化瞬時(shí)信號(hào)幅度譜密度最大值、信號(hào)幅度譜占用帶寬及峰度等3種特征參數(shù),采用隨機(jī)森林作為分類(lèi)器,實(shí)現(xiàn)對(duì)AM,FM,BFSK,QPSK,16QAM,DSSS和FHSS信號(hào)的識(shí)別。仿真結(jié)果表明,當(dāng)信噪比高于-1 dB時(shí),該算法對(duì)上述7種信號(hào)的識(shí)別正確率可達(dá)100%。 

【文章來(lái)源】：杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,40(05)

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引 言
1 特征參數(shù)
    1.1 零中心歸一化瞬時(shí)幅度譜密度最大值
    1.2 占用帶寬
    1.3 峰 度
2 基于隨機(jī)森林的信號(hào)識(shí)別算法
    2.1 隨機(jī)森林
    2.2 識(shí)別算法
3 算法仿真與性能分析
    3.1 仿真環(huán)境與信號(hào)數(shù)據(jù)集
    3.2 決策樹(shù)數(shù)目對(duì)算法性能的影響
    3.3 算法識(shí)別性能比較
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于SVM的載波通信調(diào)制信號(hào)識(shí)別方法研究[J]. 董重重,何行,孫秉宇,謝瑋,蔡兵兵,王先培.  中國(guó)測(cè)試. 2019(11)
[2]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的衛(wèi)星幅相信號(hào)調(diào)制識(shí)別與解調(diào)算法[J]. 查雄,彭華,秦鑫,李天昀,李廣.  電子學(xué)報(bào). 2019(11)
[3]多個(gè)高階累積量組合的調(diào)制樣式識(shí)別算法[J]. 翁建新,趙知?jiǎng)?占錦敏.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[4]基于深度學(xué)習(xí)的MPSK信號(hào)調(diào)制識(shí)別[J]. 劉明騫,鄭詩(shī)斐,李兵兵.  國(guó)防科技大學(xué)學(xué)報(bào). 2019(05)
[5]基于隨機(jī)森林的低階數(shù)字調(diào)制識(shí)別算法研究[J]. 譚正驕,施繼紅,胡繼峰.  通信技術(shù). 2018(03)



本文編號(hào)：3204830