本文關鍵詞：通信信號調(diào)制方式自動識別算法研究

  更多相關文章： 調(diào)制識別 特征提取 聚類 特征分解 多項式擬合 匹配算法

【摘要】：調(diào)制信號識別作為信號檢測和信號解調(diào)之間的重要環(huán)節(jié),其目的為在沒有先驗知識的情況下,通過對接收信號的處理判斷出信號的調(diào)制方式。其在軍用和民用通信各領域的廣泛的應用范圍和應用前景賦予其極大地研究價值。隨著數(shù)字通信技術的日益發(fā)展、通信信號的體制與調(diào)制樣式的日益復雜與多樣化,接收信號的調(diào)制方式的確定作為信號解調(diào)的基礎顯得尤為重要,但也因此而越來越困難。近數(shù)十年以來,國內(nèi)外眾多學者在通信信號調(diào)制識別領域進行了大量的探索,取得了卓著的成就,提出了很多很有價值的識別算法。許多經(jīng)典的算法具有其特有的優(yōu)勢但也有其局限性,例如對先驗知識的依賴,對信噪比的適應性較差及適用范圍小等等問題。而如何盡可能地克服這些缺點也正是本文的研究目標與主題思路。本文以多種信號類型作為研究對象,涉及14種數(shù)字調(diào)制信號:BPSK,QPSK,OQPSK,8PSK,16PSK,2ASK,4ASK,16QAM,32QAM,64QAM,128QAM,256QAM,2FSK,MSK;5種模擬調(diào)制信號:AM,DSB,USB,LSB,FM以及純載波CW,共20種信號。尋找各類信號合適的特征參數(shù)或統(tǒng)計特性作為識別依據(jù)是各類調(diào)制識別算法的核心內(nèi)容。本文主要基于各類信號的結構特征提取特征�；趯Ω餍盘柦Y構特征的分析,根據(jù)各特征的獨有性或共有性可以確定相對最優(yōu)的識別層次和順序,并以此建立針對此20種信號的自動識別算法的樹狀分類結構,以逐層判決、從大類到小類的思路進行識別。對于特征參數(shù),文中主要從碼元特征、頻域特征、星座圖特征等方面對信號結構特性進行分析,涉及信號時域碼元變換時刻提取、頻譜及高次方譜單峰存在性判決、功率譜譜峰數(shù)判斷、頻譜對稱性判斷等內(nèi)容。除基于特征參數(shù)的門限判決外,算法還涉及基于聚類的星座圖匹配算法,為此文中介紹了最為適宜的劃分型聚類算法并對最常用的HCM算法及其改進FCM算法進行了詳盡的說明,最終選取了進一步改進后的FCM聚類算法對接收信號序列進行聚類分析,在較高信噪比條件下能夠得到較為準確的信號星座圖,繼而通過與標準星座圖的匹配得到信號的調(diào)制類型。針對各階,尤其是高階QAM調(diào)制信號的識別,聚類匹配算法極易受噪聲影響,因此該算法只能在較高信噪比條件下取得較好的性能。為擴大適用范圍,本文提出了針對較低信噪比QAM調(diào)制信號的基于特征分解與多項式擬合的信噪比估計匹配的識別算法,并結合針對高信噪比信號的基于星座圖聚類匹配的識別算法形成了基于信噪比估計值進行算法選擇的整體算法結構,擴大了適用范圍。
【關鍵詞】：調(diào)制識別 特征提取 聚類 特征分解 多項式擬合 匹配算法
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.3
【目錄】：

• 摘要5-6
• ABSTRUCT6-11
• 符號對照表11-13
• 縮略語對照表13-16
• 第一章 緒論16-22
• 1.1 研究背景16-17
• 1.2 研究現(xiàn)狀17-20
• 1.2.1 最大似然假設檢驗法17-18
• 1.2.2 模式識別方法18-20
• 1.3 主要研究內(nèi)容20-22
• 第二章 調(diào)制識別理論基礎22-46
• 2.1 信號調(diào)制原理22-23
• 2.2 信號形式分析23-27
• 2.3 信號特征分析27-38
• 2.3.1 信號碼元特征分析27-29
• 2.3.2 信號頻域特征分析29-36
• 2.3.3 信號星座圖特征分析36-37
• 2.3.4 信號其他特征分析37-38
• 2.4 聚類理論與星座圖匹配算法38-44
• 2.4.1 聚類概念38-39
• 2.4.2 HCM聚類39-40
• 2.4.3 FCM聚類40-41
• 2.4.4 基于初始聚類中心選取的改進FCM算法41-43
• 2.4.5 星座圖匹配算法43-44
• 2.5 本章小結44-46
• 第三章 識別總流程及相應特征參數(shù)提取46-64
• 3.1 識別總流程46-47
• 3.2 特征參數(shù)提取47-61
• 3.2.1 信號碼元特征提取47-48
• 3.2.2 信號頻域特征提取48-58
• 3.2.3 信號星座圖特征提取58-59
• 3.2.4 信號其他特征提取59-61
• 3.3 仿真分析61-62
• 3.4 本章小結62-64
• 第四章 基于特征分解與多項式擬合的信噪比估計匹配的QAM識別算法64-80
• 4.1 基于多項式擬合的信噪比估計64-71
• 4.1.1 理論及算法分析64-67
• 4.1.2 信噪比估計仿真67-71
• 4.2 基于子空間分解的信噪比估計71-74
• 4.2.1 理論及算法分析71-73
• 4.2.2 信噪比估計仿真73-74
• 4.3 信噪比估計匹配識別74-78
• 4.3.1 識別流程74-75
• 4.3.2 仿真分析75-78
• 4.4 總識別仿真分析78-79
• 4.5 本章小結79-80
• 結論80-82
• 參考文獻82-86
• 致謝86-88
• 作者簡介88-89

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孟德軍;;裝車地直達車流的自動識別算法[J];鐵路計算機應用;2008年07期

2 王榮華;杜平安;黃明鏡;聶寶林;;基于等溫線溫度識別的示溫漆溫度自動識別算法[J];電子測量與儀器學報;2010年06期

3 高霄云;楊建林;;基于規(guī)則的中文時間詞和數(shù)詞的自動識別算法[J];現(xiàn)代圖書情報技術;2007年03期

4 晏素芬;周書民;汪志成;莊文偉;;行波測距中故障性質(zhì)自動識別算法的研究[J];計算機與現(xiàn)代化;2012年07期

5 石時需;秦勇;蔡昭權;周劍斌;黃翰;;基于高速公路交通圖像的安全帶自動識別算法[J];計算機與現(xiàn)代化;2014年05期

6 張萌;;無線信號自動識別算法的仿真實現(xiàn)[J];電腦知識與技術;2009年32期

7 張明;;車牌照自動識別算法研究[J];現(xiàn)代電子技術;2008年22期

8 彭博;蔣陽升;蒲云;;基于多級降維處理的路面裂縫圖像自動識別算法[J];公路;2013年12期

9 李忠海,王凡;骨齡特征自動識別算法及系統(tǒng)設計[J];沈陽師范大學學報(自然科學版);2003年03期

10 陳運文,王逸飛;基于幾何統(tǒng)計特征的印鑒自動識別算法[J];計算機工程與應用;2005年27期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 黃進文;王威廉;張鑫;;基于虛擬儀器實現(xiàn)的ECG信號S-T段波形自動識別算法研究[A];2007'儀表，，自動化及先進集成技術大會論文集（一）[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 李剛;基于圖像工程的路面破損自動識別算法研究[D];長安大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前8條

1 湯滋青;通信信號調(diào)制方式自動識別算法研究[D];西安電子科技大學;2015年

2 燕丹晨;基于衛(wèi)星高度計的中尺度渦自動識別算法研究[D];國家海洋環(huán)境預報中心;2015年

3 王祥鳳;設備結構缺陷無損自動識別算法研究[D];東北電力大學;2006年

4 張偉;地面目標圖象自動識別算法和系統(tǒng)研究[D];華中科技大學;2006年

5 孟凡超;目標自動識別算法研究及硬件實現(xiàn)[D];長春理工大學;2004年

6 譚小沙;復雜條件下的QR碼圖像自動識別算法及其實現(xiàn)[D];湖南大學;2013年

7 王福生;基于紋理與形狀特性的鞋底花紋自動識別算法的研究[D];大連海事大學;2006年

8 龍鎮(zhèn);車牌自動識別算法的研究與實現(xiàn)[D];華北電力大學（河北）;2009年

本文編號：575004