通信信號(hào)調(diào)制類型的自動(dòng)識(shí)別畢業(yè)論文.doc

目錄1引言.12信號(hào)調(diào)制類型的算法.12.1研究背景.12.2一般調(diào)制樣式識(shí)別過程的框架結(jié)構(gòu).22.3建立數(shù)學(xué)模型.32.4決策樹基本知識(shí).53基于決策理論的調(diào)制類型識(shí)別.63.1數(shù)字調(diào)制信號(hào)的模型.63.1.1幅度鍵控調(diào)制（ASK）.63.1.2相移鍵控調(diào)制(PSK).73.1.3頻移鍵控調(diào)制(FSK).73.2調(diào)制信號(hào)的自動(dòng)識(shí)別.83.2.1特征參數(shù)集.83.2.2分類識(shí)別.104仿真及結(jié)果分析.134.1數(shù)字信號(hào)的產(chǎn)生.134.2數(shù)字調(diào)制信號(hào)的仿真.164.3仿真試驗(yàn)及結(jié)果分析.184.4結(jié)論.19致謝.19參考文獻(xiàn)：.20附錄.2111引言通信信號(hào)調(diào)制方式自動(dòng)識(shí)別是信號(hào)分析領(lǐng)域中一個(gè)比較新的研究方向，它有很大的應(yīng)用前景，尤其是在軍事通信領(lǐng)域。隨著電子對(duì)抗技術(shù)研究的不斷升溫，迫切需要進(jìn)行調(diào)制信號(hào)自動(dòng)識(shí)別技術(shù)的研究，它被廣泛應(yīng)用于：信號(hào)確認(rèn)、干擾識(shí)別、無線電偵聽、電子對(duì)抗、信號(hào)監(jiān)測(cè)和威脅分析等領(lǐng)域。目前已有的信號(hào)調(diào)制識(shí)別方法主要分為兩大類：基于決策理論的方法和基于統(tǒng)計(jì)模式識(shí)別的方法。大多基于決策理論的方法都需要對(duì)每一個(gè)特征參數(shù)選擇一個(gè)最優(yōu)的門限，而且特征參數(shù)提取和進(jìn)行信號(hào)識(shí)別的順序都會(huì)直接影響識(shí)別率?；诮y(tǒng)計(jì)模式識(shí)別的方法可以分成兩個(gè)部分:特征提取和分類器設(shè)計(jì)。特征提取負(fù)責(zé)對(duì)接收到的信號(hào)提取出最能表現(xiàn)其調(diào)制特征的參數(shù)。而分類器則根據(jù)已提取出的特征把信號(hào)劃分到相應(yīng)的類別。前者檢驗(yàn)統(tǒng)計(jì)量計(jì)算復(fù)雜且需要一些先驗(yàn)信息但判別規(guī)則簡(jiǎn)單；后者特征提取簡(jiǎn)單、易于計(jì)算但判別規(guī)則復(fù)雜1。本文針對(duì)通信信號(hào)數(shù)字調(diào)制方式的特點(diǎn)，在決策理論的基礎(chǔ)上提出了一種改進(jìn)過的調(diào)制方式識(shí)別算法并進(jìn)行了軟件仿真。仿真結(jié)果表明：該算法不僅能識(shí)別現(xiàn)代通信常用的各種數(shù)字調(diào)制方式，如2ASK，2PSK，2FSK，4ASK，4PSK，4FSK，而且算法簡(jiǎn)單，適合實(shí)時(shí)操作，同時(shí)具有較好的抗噪聲性能和較高的識(shí)別準(zhǔn)確度。2信號(hào)調(diào)制類型的算法2.1研究背景調(diào)制方式識(shí)別是介于能量檢測(cè)和信號(hào)完全解調(diào)之間的過程。對(duì)于能量檢測(cè)只要知道接收信號(hào)粗略的中心頻率和帶寬。而信號(hào)解調(diào)不僅需要知道精確的中心頻率和帶寬，還必須知道該信號(hào)采用的調(diào)制方式以及對(duì)應(yīng)的調(diào)制參數(shù)。而調(diào)制方式識(shí)別的成功率則依賴于待識(shí)別調(diào)制方式集合的情況，以及各種先驗(yàn)信息。當(dāng)集合中待識(shí)別的調(diào)制方式較多，尤其包含復(fù)雜調(diào)制方式時(shí)，就要求幾乎精確的中心頻率和帶寬，對(duì)于相對(duì)簡(jiǎn)單的識(shí)別集合，則可以適當(dāng)放寬上述條件。調(diào)制方式識(shí)別系統(tǒng)一般包括三個(gè)部分，即接收機(jī)前端、調(diào)制識(shí)別器和輸出部分。接收機(jī)前端完成信號(hào)檢測(cè)和頻率變換。調(diào)制識(shí)別器識(shí)別信號(hào)的調(diào)制方式，并提取調(diào)制參數(shù)。輸出部分實(shí)現(xiàn)信號(hào)解調(diào)的信息處理。近年來，國(guó)外很多文獻(xiàn)都集中到調(diào)制方式識(shí)別算法研究上來。文獻(xiàn)2-6研究了幾種不同的調(diào)制方式識(shí)別算法，其中，文獻(xiàn)2提出了小波變換算法，利用Haar小波基對(duì)信號(hào)進(jìn)行小波變換，檢測(cè)變換后的幅度是否為常數(shù)值來判別信號(hào)的調(diào)制方式，該算法在低信噪比環(huán)境下性能較好，但識(shí)別的調(diào)制種類有限；文獻(xiàn)3提2出了星座圖識(shí)別算法，通過提取信號(hào)的星座圖來區(qū)分信號(hào)的調(diào)制方式，這種方法比較直觀，但是信號(hào)的載波相位和系統(tǒng)時(shí)間誤差都會(huì)給星座圖的提取造成影響，從而影響識(shí)別的準(zhǔn)確度，所以該方法要求接收系統(tǒng)嚴(yán)格做到同步；文獻(xiàn)4采用時(shí)頻分布來區(qū)分信號(hào)的調(diào)制方式，通過Margenau-Hil1分布、自回歸模型和幅度變化來檢測(cè)信號(hào)的相位、頻率和幅度的變化情況，對(duì)信號(hào)進(jìn)行分類；文獻(xiàn)5提出了周期譜分析算法，以上這4種識(shí)別算法要求的計(jì)算量較大，不利于實(shí)時(shí)計(jì)算。文獻(xiàn)6提出的決策理論算法，算法簡(jiǎn)單，而且能夠識(shí)別較多的調(diào)制方式，但沒有考慮符號(hào)成形對(duì)信號(hào)瞬時(shí)參數(shù)提取的影響，不符合實(shí)際工程中的情況；文獻(xiàn)6還對(duì)神經(jīng)網(wǎng)絡(luò)識(shí)別算法進(jìn)行了研究。2.2一般調(diào)制樣式識(shí)別過程的框架結(jié)構(gòu)通信信號(hào)調(diào)制樣式識(shí)別方法雖然多種多樣，但調(diào)制識(shí)別問題實(shí)際上是一種典型的模式識(shí)別問題，其一般過程如圖2.1所示。信號(hào)預(yù)處理特征提取分類識(shí)別調(diào)制信號(hào)圖2.1一般調(diào)制樣式識(shí)別過程的結(jié)構(gòu)框圖調(diào)制識(shí)別過程的基本框架包括三部分：信號(hào)預(yù)處理部分、特征提取部分和分類識(shí)別部分。信號(hào)預(yù)處理部分的主要功能是為后續(xù)處理提供合適的數(shù)據(jù)；特征提取部分是從輸入的信號(hào)序列中提取對(duì)調(diào)制識(shí)別有用的信息；分類識(shí)別部分的主要功能是判斷信號(hào)調(diào)制類型的從屬關(guān)系。信號(hào)預(yù)處理任務(wù)一般包括：頻率下變頻、同相和正交分量分解、載頻估計(jì)和載頻分量的消除等。在多信道多發(fā)射源的環(huán)境中，信號(hào)預(yù)處理部分要能有效地隔離各個(gè)信號(hào)，保證一次只有一個(gè)信號(hào)進(jìn)入后續(xù)的調(diào)制識(shí)別環(huán)節(jié)。特征提取部分是從數(shù)據(jù)中提取信號(hào)的時(shí)域特征或變換域特征。時(shí)域特征包括信號(hào)的瞬時(shí)幅度、瞬時(shí)相位或瞬時(shí)頻率的直方圖或其它統(tǒng)計(jì)參數(shù)。變換域特征包括功率譜、譜相關(guān)函數(shù)、時(shí)頻分布及其它統(tǒng)計(jì)參數(shù)。對(duì)于變換域特征，采用FFT方法就能很好的獲取，而幅度、相位和頻率等時(shí)域特征主要由Hilbert變換法，同相正交（I-Q）分量法和過零檢測(cè)法等獲得。在分類識(shí)別部分，即選擇和確定合適的判決規(guī)則和分類器結(jié)構(gòu)，主要采用決策樹結(jié)構(gòu)的分類器和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的分類器。決策樹分類器采用多級(jí)分類結(jié)構(gòu)，每級(jí)結(jié)構(gòu)根據(jù)一個(gè)或多個(gè)特征參數(shù)，分辨出某類調(diào)制類型，再下一級(jí)結(jié)構(gòu)又根據(jù)一個(gè)或多個(gè)特征參數(shù)，再分辨出某類調(diào)制類型，最終能對(duì)多種類型進(jìn)行識(shí)別。這種分類器結(jié)構(gòu)相對(duì)簡(jiǎn)單，實(shí)時(shí)性好，但需要事先確定判決門限，自適應(yīng)性差，適合分類特征參數(shù)區(qū)分很好的3信號(hào)識(shí)別。神經(jīng)網(wǎng)絡(luò)分類器具有強(qiáng)大的模式識(shí)別能力，能夠自動(dòng)適應(yīng)環(huán)境變化，能較好處理復(fù)雜的非線性問題，而且具有較好的穩(wěn)健性和潛在的容錯(cuò)性，可獲得較高的識(shí)別率，但識(shí)別前對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要一定的時(shí)間，其計(jì)算量大、實(shí)時(shí)性差。為了有效地實(shí)現(xiàn)分類識(shí)別，必須對(duì)原始的輸入數(shù)據(jù)進(jìn)行變換，得到最能反映分類差別的特征。這些特征的提取和選擇是非常重要的，它直接影響分類器的設(shè)計(jì)和性能。理想情況下，經(jīng)過提取和選擇的特征矢量應(yīng)對(duì)不同的調(diào)制類型具有明顯的差別，然而在實(shí)際中卻不容易找到那些具有良好分辨率的特征，或受條件限制不能對(duì)它們進(jìn)行測(cè)量，從而使特征提取和選擇的任務(wù)復(fù)雜化，因而特征提取和選擇是信號(hào)調(diào)制識(shí)別系統(tǒng)中首要和基本的問題。分類識(shí)別是依據(jù)信號(hào)特征的觀測(cè)值將其分到不同類別中去，選擇和確定合適的判決規(guī)則和分類器結(jié)構(gòu)，也是信號(hào)調(diào)制識(shí)別系統(tǒng)中的重要內(nèi)容。2.3建立數(shù)學(xué)模型在許多通信系統(tǒng)中都使用了數(shù)字調(diào)制技術(shù)。與模擬調(diào)制相比，數(shù)字調(diào)制有許多優(yōu)點(diǎn)，主要包括:抗噪聲能力強(qiáng)，容易將幾種形式的信息(如聲音、數(shù)據(jù)和圖像)融合在一起，安全性好等。在現(xiàn)代通信中，數(shù)字調(diào)制技術(shù)發(fā)揮了模擬調(diào)制無法比擬的作用，因此，本文接下來將主要研究數(shù)字信號(hào)調(diào)制類型的自動(dòng)識(shí)別。在現(xiàn)代通信中，通信信號(hào)的種類很多，但從理論上來說，各種通信信號(hào)都可以用正交調(diào)制的方法來實(shí)現(xiàn)。如圖：信信I多相濾波信信Q多相濾波cosctsincts(t)圖2.2正交調(diào)制的