本文關(guān)鍵詞：基于Duffing振子的信號調(diào)制方式識別方法研究

  更多相關(guān)文章： 調(diào)制方式識別 Duffing振子 特征參數(shù) 聚類算法

【摘要】：對于當(dāng)今通信來說,無線通信技術(shù)變得越來越先進,進而對于信道來說可用頻段變得越來越少。對于不同無線技術(shù)來說信號的調(diào)制方式不同,因而各種信號存在于有限的帶寬資源內(nèi)。對信號進行調(diào)制識別主要是為了確定其調(diào)制方式,為恢復(fù)信號做進一步準備。信號調(diào)制方式識別無論在軍用還是民用方面都有實用價值。本文首先介紹了2ASK、2FSK、2PSK、QPSK、16QAM、32QAM和64QAM7種待測信號的標準形式,然后調(diào)研分析了幾種調(diào)制識別算法,通過提取待測信號幅值特征與相位特征作為調(diào)制識別特征參數(shù)。基于Duffing振子對初值的敏感性和對噪聲的免疫性,本課題將采用Duffing振子預(yù)處理待測信號。接下來利用波峰檢測算法提取時域波形的幅值特征參數(shù),因為噪聲會使得振子出現(xiàn)微小波動,所以設(shè)計了平滑算法,使得提取的波峰特征值變得平滑。通過研究密度聚類算法的原理,提出了適用于本課題的聚類算法,得到幅值特征參數(shù)。根據(jù)每種信號幅值特征參數(shù)的不同,可以將待測信號大致分為2ASK和2FSK、2PSK和QPSK、16QAM、32QAM、64QAM。然后設(shè)計調(diào)制方式判決器,將聚類點與零點的距離作為2ASK和2FSK的判決條件,將龐加萊截面不動點數(shù)目作為2PSK和QPSK的判決條件。接下來仿真分析了本課題調(diào)制識別方法的抗噪性能,頻偏對識別概率的影響,碼元周期對識別結(jié)果的影響,證明了本課題調(diào)制識別方法在低信噪比時的高識別概率。最后設(shè)計了本課題調(diào)制識別方法的實驗界面,通過識別每種信號調(diào)制方式的實驗,證明了本課題調(diào)制識別方法可正確識別7種待測信號的調(diào)制方式。
【關(guān)鍵詞】：調(diào)制方式識別 Duffing振子 特征參數(shù) 聚類算法
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.3
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-17
• 1.1 課題背景及來源9
• 1.2 研究目的及意義9-10
• 1.3 調(diào)制識別的國內(nèi)外研究現(xiàn)狀10-15
• 1.4 本文主要內(nèi)容及文章結(jié)構(gòu)安排15-17
• 第2章 調(diào)制識別算法和DUFFING振子理論17-28
• 2.1 7種待測信號的標準模型17-20
• 2.2 基于特征提取的調(diào)制方式識別算法20-23
• 2.2.1 基于NANDI參數(shù)的識別算法20-21
• 2.2.2 基于循環(huán)平穩(wěn)特征的識別算法21-22
• 2.2.3 基于星座圖的識別算法22-23
• 2.3 DUFFING振子理論23-27
• 2.4 本章小結(jié)27-28
• 第3章 基于DUFFING振子的調(diào)制識別方法研究28-42
• 3.1 基于DUFFING振子的信號預(yù)處理28-32
• 3.2 幅值特征參數(shù)提取32-39
• 3.2.1 基于波峰檢測算法提取波峰特征值32-36
• 3.2.2 波峰特征值平滑算法36-37
• 3.2.3 基于密度聚類算法聚類幅值特征參數(shù)37-39
• 3.3 調(diào)制方式分類判決器設(shè)計39-41
• 3.4 本章小結(jié)41-42
• 第4章 調(diào)制識別方法性能分析與實驗演示42-54
• 4.1 本課題調(diào)制識別方法性能分析42-46
• 4.1.1 抗噪性能仿真分析42-43
• 4.1.2 頻偏對識別率的影響43-45
• 4.1.3 碼元周期對調(diào)制識別結(jié)果的影響45-46
• 4.2 與其他調(diào)制識別算法做性能比較46-48
• 4.3 調(diào)制識別實驗演示48-53
• 4.3.1 調(diào)制識別系統(tǒng)功能模塊介紹48-50
• 4.3.2 待測信號調(diào)制識別實驗演示50-53
• 4.4 本章小結(jié)53-54
• 結(jié)論54-56
• 參考文獻56-60
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果60-62
• 致謝62

，

本文編號：1073683