基于小波变换和神经网络模型数字调制识别方法.pdfVIP

第２９卷第８期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．８ ２０１２年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１２ 基于小波变换和神经网络模型的数字调制识别方法 薛　伟　钱　平 （江南大学物联网工程学院　江苏无锡２１４１２２） 摘　要　　由于小波变换对瞬态信息具有较强的检测能力，数字调制信号在间断点呈现不同的瞬态信息。使用提取小波变换后包 络方差与均值平方之比的特征参数，来实现３种信号（ＭＦＳＫ、ＭＰＳＫ和ＭＱＡＭ）的类间识别。然后提取经小波变换后的信号幅度层 数 ，对ＭＦＳＫ进行类内识别，提取经归一化后的信号再经过小波变换后的尖峰数 ，对ＭＰＳＫ进行类内识别。最后利用人工神 Ｎ１ Ｎ２ 经网络作为分类器，仿真结果表明在低信噪比下具有良好的正确识别率。 关键词　　调制识别　小波变换　人工神经网络 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ ＳＣＨＥＭＥＯＦＤＩＧＩＴＡＬＭＯＤＵＬＡＴＩＯＮＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＷＡＶＥＬＥＴ ＴＲＡＮＳＦＯＲＭＡＮＤＮＥＵＲＡＬＮＥＴＷＯＲＫＳ ＸｕｅＷｅｉ　ＱｉａｎＰｉｎｇ （ＳｃｈｏｏｌｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｄｕｅｔｏｔｈｅｓｔｒｏｎｇｄｅｔｅｃｔｉｏｎｃａｐａｂｉｌｉｔｙｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ（ＷＴ）ｏｎｔｒａｎｓｉｅｎｔｉｎｆｏｒｍａｔｉｏｎ，ｄｉｇｉｔａｌｌｙｍｏｄｕｌａｔｅｄｓｉｇｎａｌｓｐｒｅｓｅｎｔ ｄｉｆｆｅｒｅｎｔｔｒａｎｓｉｅｎｔｉｎｆｏｒｍａｔｉｏｎｏｎｄｉｓｃｏｎｔｉｎｕｉｔｙｐｏｉｎｔｓ．Ｆｉｒｓｔ，ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｐａｒａｍｅｔｅｒｏｆｔｈｅｒａｔｉｏｏｆｅｎｖｅｌｏｐｅｖａｒｉａｎｃｅｔｏｍｅａｎｓｑｕａｒｅａｆｔｅｒ ＷＴｉｓｅｘｔｒａｃｔｅｄｔｏｒｅａｌｉｓｅｉｎｔｅｒｃａｔｅｇｏｒｙｒｅｃｏｇｎｉｔｉｏｎｏｆ３ｓｉｇｎａｌｓ（ＭＦＳＫ，ＭＰＳＫａｎｄＭＱＡＭ）．Ｔｈｅｎ，ｔｈｒｏｕｇｈｔｈｅｅｘｔｒａｃｔｉｏｎｏｆｓｉｇｎａｌ ａｍｐｌｉｔｕｄｅｌａｙｅｒＮ１，ｔｈｅｉｎｔｒａｃｌａｓｓｒｅｃｏｇｎｉｔｉｏｎｏｆＭＦＳＫｉｓａｃｈｉｅｖｅｄ．Ｔｈｉｒｄｌｙ，ｔｈｅｐｅａｋｎｕｍｂｅｒＮ２，ｗｈｉｃｈｉｓａｔｔａｉｎｅｄｆｒｏｍｔｈｅｎｏｒｍａｌｉｓｅｄ ｓｉｇｎａｌｓｕｎｄｅｒｇｏｉｎｇＷＴａｇａｉｎ，ｉｓｅｘｔｒａｃｔｅｄｆｏｒｉｎｔｒａｃｌａｓｓｒｅｃｏｇｎｉｔｉｏｎｏｆＭＰＳＫ．Ｌａｓｔｌｙ，ｔｈｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｅｍｐｌｏｙｅｄａｓｔｈｅ ｃｌａｓｓｉｆｉｅｒ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｉｓｓｃｈｅｍｅｈａｓｇｏｏｄａｃｃｕｒａｔｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｎｔｈｅｃｏｎｄｉｔｉｏｎｏｆｌｏｗｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ． Ｋｅｙｗｏｒｄｓ　　Ｍｏｄｕｌａｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎ　Ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ　Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ 模式识别［３］方法一般步骤如图１所示。 ０　引　言 随着数字通信技术的发展，无线通信环境日益复杂，数字通 图１　统计模式识别方法的一般步骤 信号预处理主要包括中频变换、载频估计、同相和正交分量 信信号在频带上采用了多种调制方式。由于计算机技术、高速 分解。特征参数的提取与选择直接影响高低信噪比下正确识别 数字信号处理技术在工程实现有了保证，数字通信信号