论文部分内容阅读
自动调制分类(Automatic Modulation Classification,AMC)可以自动识别待检测信号的调制类型,信号的调制类型是通信信号的重要信息,因此调制识别是通信信号处理领域内的重要一环。在如电子战、认知无线电、频谱监测、机载车载通信等实际应用中,AMC分类器是担任重要任务的智能接收器,这些应用普遍追求更高的频谱效率和容错率,而M-QAM调制方式的通信信号正好满足了这一需求。但是,对M-QAM调制方式的通信信号的使用也面临着技术挑战。主要体现在MQAM信号的循环谱特征相似,且随着阶数的增加,高阶MQAM信号累积量间的差异变小,其特征变得非常难以区分。这使得信号接收机识别MQAM调制阶数使用常规手段实现类內AMC成为一个具有挑战性的难题。本文根据近几年来提出的图域数字信号处理(Digital Signals Processing on Graphs,DSP_G)理论,展开对MQAM调制类型通信信号类内识别及其算法实现的研究,制定了新算法从仿真验证到算法实现的技术路线。主要研究内容和技术路线分为三部分。1.根据DSP_G理论,结合MQAM通信系统的数学模型,对MQAM信号的星座图展开关于星座变换(Constellation Transformation,CT)处理方法的研究。分析将星座图形信息及其特征转换到图域映射,把图域映射搬移到邻接矩阵中,以便保留信号的特征并简化识别的计算量。2.研究MQAM信号产生的邻接矩阵的特征提取方法和统一特征选取标准。建立理想道条件下的训练信号特征集合,使用多维向量夹角作为测试信号特征集合元素的判决标准。进行实验仿真,分析不同信噪比(Signal Noise Ratio,SNR)环境下各阶数MQAM信号的识别率。同时,在不同程度频偏和相偏的接收条件下,研究基于CT的识别方法的识别性能,考量其鲁棒性。3.搭建实际环境下的通信系统,在接收端得到MQAM信号的星座图,并以CT为识别理论算法,利用计算机实现对来自通信系统基带数据的实时性识别,并计算实际通信环境下的识别率。在识别性能方面,在低信噪比环境下基于CT的识别方法比已有的调制识别法有明显的性能提升效果。同时,在频偏和相偏存在的环境下,CT识别法对绝大多数类型MQAM信号的识别有很强的鲁棒性。在实际通信系统中,实验验证表明该识别算法可以用于实时识别,且具备与仿真结果相近的识别性能。