基于粗糙集与神经网络的调制信号识别研究-电路与系统专业论文.docxVIP

太原理工大学硕士研究生学位论文 太原理工大学硕士研究生学位论文 3 3 定信号的调制方式问。人工参 与调制识别，这种方式要求信号持续较长时间，并且需 要比较昂贵的设备来辅 助分析 ，识别敛率相对低下，识别 的信号也 比较有限，只能 识 别码元速率较低的幅度键控 (ASK)信号和调制指数相差较 大的频移键控(FSK)信号，而 对相移键控(PSK)信号却无能为力。这种人工操作方式识别率不高，容易出错，并且过 于依赖于操作员的经验知识， 信号的判定比较主观。而自动 调制识别技术的出现不仅 克服了人工参与调制识别的种种困难，并且在信道噪 声干扰、信道串音、衰落效应等 干扰因素的影响下具有很强的鲁棒性。 上世纪七十年代末， c.S.Waver[8)等人在斯坦福大学的技术报告上发表的的一篇名 为《采用模式识别技术实现调制类型的自动分类》的文章，拉开了自动调制识别的帷 幕。此后 ，随着通信技术的发展，国内外通信行业的学者纷纷投入对此的研究，并取 得了一系列的研究成果。 1984年， F卫Liedtke 第一个将调制识别应用主 IJ 数字调制识别中，他提出了一种基 与频率直方 图、幅度直方图、相位差直方图、幅度方差 和频率方差等特征的数字调制 识别方法[9) 。虽然这种方法的硬件实施相当复杂，但是其开辟了将模式识别应用到数 字调制信号的新纪元。实验表明，在信噪比大于 18dB 的情况下，对2ASK 、2FSK、 2PSK 、4PSK 、8PSK和CW 信号的分类成功率 大于 95%。 1988 年，Desimio和)Glenn [10-IIJ提出 种针对 2FSK、2PSK 、2ASK 和 4PSK 信号的 自动调制识别方法，该方法从信号频谱、 信号平方、信号 包络和信号四次事巾提取 一 组特征来判决信号的调制方式。识别主要分为三步 : (1) 特征矢量的抽取 : (2) 为每类信号产生权矢量 : (3) 调制分类: 将接收到的信号分为两部分， 一部分为训练集，用于生成权矢量 ;另一部分为实 验集，利用训练集产生 的权矢量进行调制识别判决，该方式在信噪比大于 5dB 的时候 能区分 2PSK 和 4PSK 信号。 1992 年，Soliman 和 Hsue[12J提出了一种基 于信号相位统计距 的调制识别方式，利 用相位的偶阶距来估计 MPSK 信号的相位数 M。该方法主要分为提取瞬时相位、计算 偶阶距 、比较门限和判决调制方式等四部分 ，实验证明在所有的信号参数都已知的情 况下 ，二阶距忠 足以区分 CW 和 MPSK 信号， 而八阶 [i可对 MPSK 信号进行分类。 4 4 1997 年 ，A.K.Nancli 和 E.E.Azzouz [13羽]在总结前人的基础上，提出了基于时域分 析的特征参数，至今，这些特征参数依然广泛应用在通信的研究领域。主要思想是在 对信号 Hilbert 变换以后，得到信号的瞬时幅度、瞬时相位和瞬时频率，然后基于瞬 时时域信号提取出 5 种特征参数，最后用这些特征参数进行信号调制方式的判决。后 来，两位学者又提出了将神经网络应用于调制识别的方法 ，至今这种方法仍是调制识 别的主流方法。 作者阅读了国内外大量文献，可以将自动调制识别的方法归类为两大类 :一种是 最大似然法， 一种是统计模式识另IJ法。 基于最大似然法 [21-22]的调制识别方法的主要思想是 :用概率论及复合假设检验的 知识，通过计算 出信号的似然函数，得到一个统计量 ，最终利用这个统计量与事先由 先验知识得到的阙值门限进行对比，从而实现分类工作。这种方法不足之处是需要在 进行判决工作之前，必须确切知道信号的一些参数，例如信号的方差、均值，以及概 率分布函数等 :优点是在最小错误代价下有较好的 的分类效果 ，而且对于算法的理论 分析也是完备的。 统计模式识别方法(2月的基本思路是先从信号中提取预定的特征参数，然后与预先 训练好的特征参数值的分 布 相比较，根据参数的匹配度来识别通信信号，统计模式识 别的系统框罔可以被描述为图 l寸。 Signal 国 1-1 调制识别过程拯囱 Fig. 1-1 Modulation recognition block diagram 基于统计模式识别的调制识别过程可以分为信号预处理、特征参数提取和分类识 别二个部分。其中信号预处理部分为信号的特征参数提取过程提供可处理信号。目前 的迪用处理器不能适应高频信号的大量、快速的数据 ，所以要对从天线接收来的高频 信号进行下变频处理。信 号预处理部分除了要完成信号下变频处理以外还要完成载频 估计、数据同相和正交分 ;!;:分解等过程。在多发射源的情况下，信号预处理部分还要 完成信号隔离的 任务，保证每次 只有一个信号进入后续的特征参数提取环节。