论文部分内容阅读
调制方式识别在通信中具有十分重要的作用,例如信号确认、干扰识别、频谱监测、电子对抗及军事威胁分析等,都需要对信号调制方式进行识别。 OFDM是多载波调制的一种,它将信道分成若干正交子信道,然后把高速数据流转换成并行的低速子数据流,再调制到这些子信道上进行传输。OFDM技术能够有效对抗多径干扰与频率选择性衰落,并具有频谱利用率高、成本较低等优点,已成为继CDMA之后的研究热点。因而研究OFDM系统常用调制方式的识别方法是非常有必要的,能否正确识别信号的调制类型关系到能否对信号正确解调及正确接收信息。 小波变换具有良好的时频局部特性,非常适合分析突变信号和非平稳信号;而神经网络具有自学习、自适应、鲁棒性、容错性等优点,利用神经网络可以提高识别的自动化和智能化。 基于此,本文用小波变换对OFDM系统中的BPSK,QPSK,16QAM,64QAM四种调制信号进行分析,提取有利于分类的特征参数,然后将这些特征参数作为神经网络的输入矢量,对神经网络进行训练,当满足误差要求时输出分类结果。文章最后用Matlab对该识别方法进行了仿真,并对识别结果作了分析。