脉冲噪声下的通信信号调制模式识别方法研究.pdfVIP

摘要

脉冲噪声下的通信信号调制模式识别方法研究

自动调制识别（AutomaticModulationClassification，AMC）是一种广

泛应用于军事通信领域和民用通信领域的信号处理技术，采用预先设定的

准则在给定的信号集中对带有不同干扰和噪声的通信信号的信号调制类型

做出判断。目前关于通信信号识别的多数方法都是基于服从高斯分布的加

性噪声进行调制方法识别。然而，近年来许多学者发现大部分的自然噪声

和人为噪声以及两者的联合噪声常常以脉冲噪声的形式出现，这类噪声并

不服从高斯分布，而Alpha稳定分布模型可以更有效地表示上述非高斯噪

声。因为脉冲噪声下信号不具有二阶及二阶以上的统计量，所以很多的基

于高斯噪声环境下的通信信号调制识别算法不能直接应用在非高斯环境

下。因此，探索基于脉冲噪声环境下的通信信号识别方法具有重要的研究

价值和意义。

本文旨在研究脉冲噪声下的通信信号调制方式识别算法，深入研究了

通信信号的调制识别算法和技术，本文主要工作包括：

首先对通信信号调制类型的基本原理和对可以描述脉冲噪声的Alpha

稳定分布进行研究和分析，详细介绍了Alpha稳定分布的定义、参数和性

质，为本文采用的基于脉冲噪声的通信信号调制模式识别方法提供理论基

础；其次，针对短时傅立叶变换（Short-TimeFourierTransform，STFT）时

频分析方法在加入脉冲噪声后性能退化甚至失效的问题，本文采用了分数

低阶短时傅里叶变换理论，并且采用同步挤压和谱重排相结合法人方法改

善了STFT时频方法存在的时频能量发散的问题。仿真实验分析表明，该

方法可以很好的表达脉冲噪声下的调制信号的时频特征。最后，采用优化

的轻量化神经网络与得到的时频特征相结合，以得到的调制信号时频图像

作为网络的输入对网络进行训练。仿真结果表明，在脉冲噪声环境下，本

I

文算法识别性能很好并且具有良好的鲁棒性。

关键词：

通信信号，调制识别，时频分析，轻量化神经网络

II

Abstract

ResearchonModulationPatternRecognitionMethodofCommunication

SignalUnderImpulseNoise

AutomaticModulationClassification(AMC)isacommonlyusedsignal

processingmethod,whichisusedinavarietyofdifferentcommunicationfields.

Itusespresetcriteriatodealwithcommunicationswithdifferentinterference

andnoiseinagivensignalset.Thesignalmodulationtypeofthesignalis

judged.Atpresent,mostmethodsofcommunicationsignalrecognitionare

basedonthemodulationmethodrecognitionbasedonadditivenoisethatobeys

Gaussiandistribution.But,recently,manycscholarshavediscoveredthatmost

ofnaturalnoise,man-madenoise,howerver,Alphastabledistributionmodelcan

moreaccuratelyrepresenttheaboveimpulsenoise.Thistypeofnoisedoesnot

obeytheGaussiandistribu