应用ANN的数字信号调制模式自动识别系统研究.pdfVIP

中国电子学会电路与系统学会第十九届年会论文集 应用ANN的数字信号调制模式自动识别系统1 李霞 吴楚 (信息工程大学信息工程学院 郑州450002) 摘要： 本文对应用ANN的数字信号调制模式识别系统进行了介绍。文中对信号的瞬时特征、谱特征和高阶 统计量特征进行了归纳和讨论，并选择出了分别用于数字信号调制方式的大类和子类识别特征。系统选取了 学习向量量化LVQ网络和径向基函数RBF网络两种分类器分别用于数字信号的太类和子类识别，通过对十种 数字调制信号进行仿真表明，即使在信噪为5dB的条件下仍然能够获得i00％的识别正确率。 关键字： 数字调制 模式识别人工神经网络(ANN)特征矢量学习向量量化网络(LVQNN)径向基 函数网络(RBFNN) 一、引言 调制识别是对所接收的信号进行处理过程中的关键环节。随着现代通信、数字信号处理 等技术的迅速发展，数字信号调制模式的自动识别日益受到人们的重视，在军事和民用领域 均具有重要的理论意义和广泛的应用前景。进入20世纪90年代后，基于神经网络的模式识 别方法被应用于调制模式自动识别领域。应用ANN的数字调制模式自动识别作为调制分类的 一个重要的方法，逐渐受到了人们的重视，并取得了一定的进展。 应用ANN的数字信号调制模式识别系统，首先是对原始接收信号进行滤波降噪等处理， 并提取信号的各种特征，形成原始特征矢量空间；然后根据识别需要从原始特征矢量空间中 选择不同类的特征矢量，作为ANN的输入按需送入各个不同的ANN分类器；最后将所有ANN 的输出经过综合判决后自动得出数字调制模式的类型。 本文将对应用AnⅦ的数字信号调制模式自动识别系统进行介绍。 二、数字调制信号的一般模型 数字调制信号可表示为： x(t)=山COS(2ZfMr+加) (1) 其中，AM、厶和九分别表示信号所携带的幅度、频率和相位信息的集合，M表示信号的M 进制。AM、厶和％的相互组合形成了现在常用的幅度键控ASK、相移键控PSK、频移键控 FSK和正交幅度调制QAlf等数字调制信号。 三、特征提取与选择 特征矢量的提取是数字调制模式识别的关键环节。根据目前数字通信中各种常用调制模 式的特点，同时考虑到ANN作为分类器所具有的非线性、高度并行和自组织能力等特性，本 文讨论应用ANN进行数字调制模式自动识别的情况下所需的特征矢量空间。文中对通信信号 的瞬时特征、谱特征、统计特性和高阶统计量特征进行了归纳，并对根据识别需要对特征进 行了选择。 3．1 特征提取 3．1．1瞬时特征 瞬时幅度 =1，2，…，舳 (2) 40)=pO)J=√R2(Ⅳ)+J2(”) 其中H表示取模运算。瞬时幅度可用于区分恒幅信号和非恒幅信号。 基金项目：河南省自然科学基金资助项目(SPS200261007) V11I——592 ——————————兰』生坠王堂皇堕苎墨竺兰叁塑．±垄星生室笙苎叁 瞬时相位 m胁n。(哿)删，：，…胁 (3) 可用于区分PSK、Q埘信号和ASK、FSK信号。 瞬时频率 n文，2，…，Nso (4) ，《n)=}{≯(n+1)一≯(n)) ／Jl 其中Z为采样频率。瞬时频率可用于区分FSK信号和其它数字调制信号。 3 1．2谱特征【1】12】 接收信号归一化的瞬时幅度的功率谱密度的最大值，即归一化的中心瞬时幅度的最大值fij ，。=maxlDFT(A。(n))J2／机 (5) 其中丸0)=以(H)一1表示零中心归一化瞬时幅度，4(N)=4即)／％，n=1，2，…，．№， DFT(·)表示离散傅立叶变换。，。可