通信信号自动调制识别的研 - 图文(2)

5.2 基于支持向量机的组合分类器设计 ...............................75

5.2.1 一对一组合分类器设计 ....................................75 5.2.2 一对多组合分类器设计 ....................................76 5.2.3 仿真实验 ................................................77 5.3 基于模糊神经网络的组合分类器设计 .............................80

5.3.1 组合分类器的设计 ........................................81 5.3.2 仿真实验 ................................................82 5.3 小结 .........................................................80 第六章 总结全文 ..................................................85 致 谢 ...........................................................87 参考文献 ..........................................................88 作者攻博/硕期间取得的成果 .........................................92

VI

第一章 绪论

1.1 通信信号识别概述

1897年，Guglielmo Marconi 第一次在英吉利海峡进行无线电信号的发射和接收实验，揭开了人类现代通信革命的序幕。我们知道，无线电信号是以电磁波的形式在空间传播的，为延长信号的传输距离和减小各种噪声的干扰，保证信号接收不失真，因而，发射信号都是以不同的调制类型在不同的频道上进行传送的。随着通信信号的体制及调制样式的多样化和复杂化，信号环境越来越密集，通信信号调制类型的识别显得尤为重要和迫切。在现代战争中，战场信息的传输主要依靠无线电通信来实现，通信信号侦察是电子战的重要内容，信号调制类型的识别又是信号侦察中的一个关键步骤，一旦知道了调制类型，就可以估计调制参数，从而制定相应的侦察或反侦察策略。同样，在民用方面，比如信号确认、干扰识别和频谱监测等无线电管理工作，在日益密集复杂的信号环境中，它的任务就是监视合法的无线电电台是否严格遵守分配给他们的工作参数的限制，同时侦听非法电台的干扰并识别信号的调制类型。所以，通信信号调制类型的识别在通信领域有广泛的应用背景。

通信信号调制类型的识别问题是一种典型的模式识别应用，它的作用和目的就是在于面对某一接收到的信号时将其正确的归入某一调制类型中，如果给每个调制类型命名，并且用特定的符号来表达这个名字，信号识别可以看成是从具有时间和空间分布的信号到符号空间的映射，一般过程如图1-1所示。

信号获取中频变换信号预处理特征提取与特征选择分类器设计

图1-1 通信信号调制识别的一般过程

1. 信号获取

来自天线的信号x(t)到达接收机，输出一个中频信号。 2. 中频变换

1

中频变换就是通过频谱搬移，把载频变为一个合适后续处理的频率，特殊情况下，中频信号直接被变为基带信号。这一过程可通过模拟或数字的方式来实现，如果A/D的位置放在信号获取单元的后面，那末中频变换是通过数字混频和数字滤波来实现的；如果A/D变换要求在中频变换之后，那么接收机输出的中频信号直接通过模拟混频和滤波完成中频变换。总之，最后的输出都是计算机可以运行的二进制数字信号x(n)。

上面两步是信号空间X(t)到观察空间X(n)的变换映射。 3. 信号预处理

将来自中频变换后的信号进行消噪，输出一个消噪后信号。 4. 特征提取与特征选择

为了有效的实现分类识别，必须对原始数据进行变换，得到最能反映分类差别的特征。显然这些特征的提取和选择是非常重要的，因为它强烈地影响到分类器的设计及性能。经过特征提取和选择得到的特征矢量对不同调制类型有明显的差别。 5. 分类器设计

分类问题是根据识别对象特征的观察值将其分到某个类别中去。首先，在样本训练集基础上确定合适的判别规则和分类器结构，然后，学习训练得到分类器参数，最后，把待识别信号的特征空间映射到决策空间中。

1.2 发展简史和研究现状

通信信号调制类型的分类识别是模式识别领域中的典型应用[1][2][3][4][5][6]。模式识别诞生于20世纪20年代，随着40年代电子计算机的出现，50年代人工智能的兴起，模式识别在60年代初迅速发展成一门科学。它所研究的理论和方法在很多科学领域中得到了广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能性。几十年来，模式识别的研究取得了大量的成果，为通信信号的识别提供了战略性的指导，但是，由于模式识别涉及到很多复杂特殊的问题，现有的理论和方法对于通信信号的识别不一定有效，所以用一般模式识别的方法来处理通信信号的识别问题是不适当的。

模式识别就是研究机器如何观察周围环境，如何学习从背景中区分感兴趣的

2

模式，并对模式类别做出完整、合理的判断。通信信号调制识别作为模式识别的一个特例，它与其它的模式识别问题有许多相同的地方，比如识别过程都是按照特征提取和分类决策这样一个步骤。但是通信信号作为一个研究问题之所以存在，有它的必要性和特殊性。随着电子技术日新月异的发展，通信信号的体制和调制样式更加复杂多样，信号环境越来越密集，给通信信号的识别研究提出了更高的要求，所以人们做了大量的工作来研究。

1984年，Liedtke[7]采用决策理论和统计模式识别的方法来对数字调制信号进行分类，这种识别系统不仅硬件实现非常复杂，而且只有在信噪比(SNR)大于等于18dB时，才能够有效地识别文中所列的调制类型。1987年，Mammone[8]等人采用统计模式识别方法对数字调制信号分类，并估计载波和比特率，当SNR大于等于35dB时，分类器具有很高的识别率。1990年，Polydoros[9]等人采用决策理论对BPSK和QPSK信号进行分类，然而，他们的分类器缺乏稳健性。1990年Huse[10]等人按照决策理论的方法来识别等幅信号(CW,MPSK,MFSK),当SNR大于等于15dB时，分类器有较好的识别率。1991年，Dominguez[11]等人采用决策理论的方法分类识别模拟调制信号和数字调制信号，在SNR大于等于40dB时，分类器几乎能够全部识别，但是，当信噪比等于10dB时，除了QPSK的识别率为7%外，其余数字调制信号的识别率都为0%。1992年，Assaleh[12]等人也采用决策理论的方法对五类调制类型(CW,BPSK,QPSK,BFSK,QFSK)等进行分类，在SNR大于等于15dB时，识别率大于等于99%。1995年~1998年的三年中，Nandi和Azzouz[13][2][14]等人在Signal processing、IEEE Trans on Communication 期刊上发表论文，利用他们提出的七个关键特征，分别采用决策理论、神经网络理论和神经网络级联的方法对模拟和数字调制信号进行分类识别，所有分类器能有效识别的SNR都在10dB以上。1999年Helmut Ketterer [15]等人应用时频分析方法对八种通信信号进行识别，在信噪比为10dB时正确的识别率为94％。2003年 Yafeng Yao[16]等人采用线性平滑方法来对四种模拟通信信号进行识别，在信噪比为5dB时正确的识别率为79.4％。2004年Han Gang等[17]人提出了基于高阶累积量的五种特征参数，分别采用决策理论和支持向量机方法对五类数字调制类型进行分类识别，在信噪比为6dB时的正确识别率为96%。2005年Ji Li,Chen He[18]等人采用径向基神经网络对十一类调制类型进行分类，在信噪比大于5dB时正确的识别率为98.4％。

从上面通信信号识别发展的历程看，决策理论和统计模式识别是最常用的识别方法，神经网络和支持向量机是今后发展的方向，事实也证明这一点。

3

1.3 本文的主要工作

通信信号调制类型的识别最困难的地方就在于通信信号经过无线信道的传输，信噪比变化范围较大，通常在几dB到几十dB的范围内变化，这样产生的结果是从同一类信号的不同信噪比样本提取的同一种特征有可能产生严重的畸变，那么信噪比的大范围变化将直接导致特征的严重离散，使分类器的识别率下降，分类器设计变得复杂。本文紧紧围绕这个中心，主要贡献表现在信号瞬时参数提取、模糊特征选择和分类器设计这三个贯穿通信信号调制识别全过程的环节上。

首先，瞬时参数提取就是从接收的调制信号中提取出信号的瞬时幅度、瞬时频率和瞬时相位。研究瞬时参数提取方法的目的就是减少噪声对瞬时参数的影响，使基于瞬时参数提取的特征参数对噪声不敏感。本文主要研究基于小波脊、短时傅里叶脊的信号瞬时参数提取方法、基于小波变换的瞬时参数提取方法和基于自适应时频分析的瞬时参数提取方法。

其次，特征选择的任务就是从一给定的D维特征集中选择出能使分类错误最小（称之为最优）的数量为d（D>d）的一组特征来，为此有两个问题需要解决：一是选择特征评价准则，二是要找一个较好的算法，以便在可以容忍的时间内找出最优的那一组特征。本文给出了一种新的特征选择准则，即基于模糊特征估计的准则。用于寻找最优特征的算法采用模糊遗传算法。该方法利用加权因子表示每一个特征参数在分类信号时的相对重要性，通过选择不同的门限改变选择出特征参数的个数，使后续分类器的设计具有很大的灵活性。

最后，分类器设计是本文研究的重点。本文着重研究了单个分类器和组合分类器的设计方法。单个分类器主要包括神经网络，模糊神经网络和支持向量机分类器三种。组合分类器是基于上述三种单个分类器和组合算法而提出的，它是解决通信信号的信噪比变化范围比较大这一问题的有效途径。仿真结果表明了所设计的分类器具有很好的泛化能力，在低信噪比下识别性能有很大的改善。

1.4本文的章节安排

本文的章节安排如下： 第一章是绪论。

4

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库通信信号自动调制识别的研 - 图文(2)在线全文阅读。