非重构压缩样值的MPSK信号最大似然调制识别.pdfVIP

第 16 卷第 5 期 Vo l. 16 No.5 信息工程大学学报 2015 年 10 月 Journal of Information Engineering University Oct. 2015 DOI: 10. 3969/j. issn. 1671 -0673.2015.05.012 非重构压缩样值的 MPSK 信号最大似然调制识别 童年，李立春 (信息工程大学，河南郑州 450001 ) 摘要:在不重构出原始 MPSK 信号的前提下进行多元假设，推导出不同假设下压缩样值的最大 似然函数，提出一种压缩域最大似然调制识别方法。在压缩感知(CS) 框架下，压缩域最大似 然调制识别方法(compressive maximum-likelihood ,CML) 使用远小于传统的基于奈奎斯特采样 的最大似然调制识别方法(traditional maximum -likelihood ,TML) 所需的采样个数实现 MPSK 信 号的调制识别。同时给出了在压缩域进行调制识别的标准，并分析了 CML 算法的识别的性 能。最后给出了该方法的性能仿真。仿真表明 CML 算法的运算复杂度更低，速度更快，而识 别性能仅略低于 TML 算法。压缩比为1/2 ，信噪比为 -8dB 时， CML 算法对 BPSK 信号的识别 率达到 95 1}毛。 关键词:压缩感知;调制识别 ;MPSK 中图分类号:TN91 1. 7 文献标识码:A 文章编号: 1671 -0673 (2015) 05 -0579 -05 Maximum-Likelihood Classification for MPSK Signals with Unreconstructed Compressive Samplings TONG Nian , LI Lichun (Information Engineering University , Zhengzhou 450001 , China) Abstract: This paper proposes the Maximum-Likelihood Classification for MPSK signals with com- pressive samplings. Under the compressive sensing (CS) frame , the compressive maximum-likeli- hood (CML) classifier provided in this paper tries to recognize the MPSK signals using far fewer samplings than the traditional maximum-likelihood (TML) classifier which is under the frame of Nyquist sampling needs. This paper presents the criterion of classification and the classification per- formance analysis. Finally , several numerical simulations are provided and the results indicates that compared with TML , the CML classifi