基于EM的复杂信号接收聚类分析.docVIP

学号名傅麟学院计通学院专业信息与通信工程 成绩 基于EMD的复杂信号接收聚类分析 在现代通信中，如何接收识别目标信号一直是通信行业研宄的重点。我们选 择了信号的瞬时频率作为信号的特征值,凭借该值完成聚类分析。我们选择了几 种不同调制格式的信号来进行分析，利用MATLAB仿真，仿真过程屮，我们使用 的采样频率为125Hz。每个信号先做EMD变换，针对它的主成分，进行希尔扪特 变换，求得时频变换关系。我们采集了 16组数据，每组数据含四个变量：fl、 f2、频差、信噪比，有了数据之后，我们选择使用SPSS软件进行聚类分析。最 终结果基本达到R的。 1提出问题并分析问题 在现代通信中，电磁波承载的信号往往与噪声干扰纠缠在一起，如何接收识 别目标信号一直是通信行业研允的重点。除却噪声之外，不同调制模式的信号， 往往也会被接收机同时接收，目标信号混在其屮。为了把目标信号从屮分离出來, 这时我们通常使用聚类分析进行检波前的分选。 我们的目标是：在可以接受的噪声范围内，在通信系统正常工作的信噪比下， 提取出信号的特征值，利用该特征值进行聚类分类，选择我们需要的信号类 送往下一级的判别分析。 我们选择了信号的瞬时频率作为信号的特征值这里的信号瞬时频率不是 信号木身瞬时频率，而是信号经过EMDh］变换后的主分量的瞬时频率。EMD变换就是经验模式分解，接收的信号按照EMD算法的准则，进行计算，得到若干 个分量IMF。在这些分量中，第一个分量为主分量，占据了信号的绝大多数能量， 选择它的瞬时频率作为特征值，计算时简单易行而且相对可靠。这个分析过程可 以使用MATLAB 信号木身瞬时频率，而是信号经过EMDh］变换后的主分量的瞬时频率。EMD 变换就是经验模式分解，接收的信号按照EMD算法的准则，进行计算，得到若干 个分量IMF。在这些分量中，第一个分量为主分量，占据了信号的绝大多数能量， 选择它的瞬时频率作为特征值，计算时简单易行而且相对可靠。这个分析过程可 以使用MATLAB来实现，如图1所示，信号的主分量功率谱密度最大，图2则展 示了不同分量的瞬吋频率。 文林＜D ?8(y)廉人山 IH(D AD(O 番□⑽ ?wb(w * r45.4-36.325.2151050 G.o.o 00. Aouonbaij pozllewjou Hlbert-Huang spectrum 20 40 60 80 00 20 图1信号EMD分解 图2各分量频谱图 概括来说，即将信号进行EMD变换，然后去信号主分量的瞬吋频率作为特征 值，该特征值就是我们聚类分析的依据，凭借该值完成聚类分析。同时我们考虑 到信号的信噪比不同，在聚类过程中也考虑了信噪比的因素，将其作为一个影响 变量。 2数据描述 我们选择了几种不同调制格式的信号来进行分析，这些信号包括最经典的模 拟调制信号AM信号与常用的数字调制信号2FSK信号。在之前的学习生活屮，曾 经写过相关的MATLAB仿真程序，能模拟各种信号的产生发射接收过程。在此基 础上我乂加入了 EMD分析的相关算法，求得信号的分量，再通过希尔伯特变换求 得主分量的瞬时频率。 在仿真过程中，我们使用的采样频率为125Hz。每个信号先做EMD变换，针 对它的主成分，进行希尔伯特变换，求得时频变换关系。之后每个时频谱取两次 数据，在t=l时取第?一组瞬吋频率数据fl，在距离t=l半周期处取信号的第二 组瞬时频率数据f2,频差为两组瞬时频率差的绝对值|fl_f2|，同时考虑到真实 环境的复杂多变，产生该数据的时候，我们设定了三种信噪比，在三种信噪比T 我们采集了 16组数据，如表1所示。 表1 16组信号瞬时频率与信噪比 信号1 信号2 信号3 信号4 信号5 信号6 信号7 信号8 fl 367.2 301.4 211.3 215.8 217.7 218.9 223. 7 222.2 f2 358.3 311. 5 432.8 422.9 812.3 823.4 816.3 412. 1 频差 8.9 10. 1 221.6 207. 1 594.6 604.5 592.6 189.9 信噪比 10 10 10 10 10 5 8 8 信号9 信号10 信号11 信号12 信号13 信号14 信号15 信号16 fl 408. 1 373.2 321. 1 242.2 225.4 412.6 432. 1 238. 5 f2 789.5 364. 5 312.6 401.2 801.6 814.2 842.7 415.4 频差 381.4 8. 7 8.5 159 576.2 401.6 410.6 176.9 信噪比 8 5 8 8 10 10 5 5 3模型建立 这16组数据中，每组数据含四个变量：fl、f2、