基于循环谱调制样式识别与参数估计-modulation pattern identification and paramete estimation based on cyclic spectrum.docx

基于循环谱调制样式识别与参数估计-modulation pattern identification and paramete estimation based on cyclic spectrum.docx

  1. 1、本文档共107页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于循环谱调制样式识别与参数估计-modulation pattern identification and paramete estimation based on cyclic spectrum

摘 要不同的调制信号有可能具有相同的频谱,但是它们的循环谱却各不相同,并 且由于噪声不具有循环平稳性,使得循环谱具有非常强的抗噪声性能,循环谱的 这些优点使得其非常适用于处理通信信号。鉴于此,本论文将探讨循环谱在通信信号的调制样式识别以及参数估计中的 应用,并进行了以下的研究:1. 阐述了信号具有循环平稳性所应具有的条件,即信号的均值函数以及自相 关函数均是周期的。接着详细分析了循环谱的本质,从深层意义上来说循环 谱是信号内部隐含周期性的表现,简单地来看循环谱反映了信号频谱中两根 相距特定频率的谱线之间的相关性。2. 针对几种典型的循环谱算法,详细研究了它们的原理以及算法的复杂度, 并给出了其实现步骤。接着,推导出了几种常见通信信号:幅度调制信号(AM),脉冲幅度调制(PAM),二进制相移键控(BPSK),四进制相移 键控(QPSK),最小移频键控(MSK)的循环谱,分析了它们循环谱的特点, 并且给出了其 Matlab 以及 C++仿真图。3. 提取了几种常用通信信号的循环谱特征,给出了它们的 Matlab 仿真图。并 且基于这些循环谱特征,设计出了多种信号分类器,例如树形结构分类器, 神经网络分类器,模糊神经网络分类器等等。4. 详细研究了几种基于循环平稳性的波达角估计算法,这些算法包括:Cyclic MUSIC 算法、Extend Cyclic MUSIC 算法、Cyclic ESPRIT 算法等等。首先在 接收阵列为均匀线阵以及信号为互不相关的情况下,研究了这些算法在一维 波达角估计中的应用,并且给出了仿真结果,通过仿真结果可以看出,这些 算法均对信号的波达角估计具有选择性。当信号为相关时,引入了空间平滑 技术,通过仿真图可以看出,经过平滑之后,这些算法均可适用于估计相关 信号的波达角,并且针对宽带信号模型,介绍了基于循环互相关的信号子空 间拟合波达角估计算法。接着,本文将这些算法应用到二维波达角估计领域, 详细研究了接收阵列为均匀矩形阵以及均匀圆阵时,这些算法的波达角估计 性能,并给出了仿真结果。最后,阐述了基于循环谱的信号载频以及码速率 估计原理,并分析了其估计性能。关键词:循环谱,调制信号,信号识别,参数估计ABSTRACTDifferent modulated signals may have the same spectrum, but their cyclic spectrums are always different. Because the noise doesn’t have the cyclostationary, this makes cyclic spectrums have a very strong anti-noise performance.These advantages make it ideally suite for processing communication signals.In view of this, this thesis will study the applications of the cyclic spectrums in modulation recognition and parameter estimation. The main studies are as follows:Firstly, this thesis points out that if a signal is a cyclostationary signal, its mean function and autocorrelation function must be periodic.Then it analyzes in detail the nature of the cyclic spectrums, from the view of deep significance, and the cyclic spectrums imply the internal period of signals.Quite simply, it reflects the correlation of two spectrum lines separated by a particular frequency.Secondly, this thesis researches carefully on the principle of several typical cyclic spectrum algorithms and their complexity as well as their implementation steps.Then, it deduces several co

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档