基于软件定义无线电的自动调制识别与分类器设计.docxVIP

PAGE2

基于软件定义无线电的自动调制识别与分类器设计

摘要

随着无线通信技术向认知化、智能化演进，自动调制识别在频谱监测、电子对抗和智能接收机中扮演着核心角色。传统硬件接收机识别方式灵活度低，而软件定义无线电平台为信号实时处理提供了开放架构。本设计在SDR平台上接收信号，提取高阶累积量作为特征，并采用决策树和支持向量机分类器对BPSK、QPSK、16QAM三种典型调制方式实现自动识别。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进流程。首先分析了调制识别的现实需求与技术难点，明确非合作通信场景下低信噪比识别、多体制兼容的设计目标。随后，对软件无线电架构、高阶累积量理论及分类算法进行技术选型，确定以USRPB210为射频前端、GNURadio为信号处理框架、Python为算法实现环境的方案。在需求分析的基础上，划分了信号采集、预处理、特征提取、分类器训练与实时识别五大功能模块。详细设计部分深入阐述了基带信号预处理流程、二阶/四阶/六阶累积量提取算法以及分类器核函数与参数优化策略。系统实现基于GNURadio流图完成正交解调与同步，并利用LIBSVM库构建多类分类器。测试结果表明，在信噪比不低于5dB时，决策树分类器平均识别率高于92%，SVM分类器可达96%以上，其中SVM在低信噪比下鲁棒性更优。本设计的核心创新在于将高阶累积量特征与轻量级机器学习