论文部分内容阅读
信号调制识别技术对无线通信来说至关重要,在很多情况下,发送端的调制方式对于接收端来说是不可知的,需要在接收端对信号的调制方式进行识别,因此信号的调制方式识别一直是非常重要的研究内容。然而,无线通信技术的快速发展使得无线通信信道变得越来越复杂。在信噪比比较低的情况下,目标信号经过信道时很容易被噪声干扰,导致接收方接收的信号的有效功率比较小,对接收信号进行处理时提取的有效特征很少,使得识别算法不能正确的识别出信号的调制类型。因此,本文的主要目的在于进一步研究数字通信系统中低信噪比下的调制识别技术,旨在先验信息最少的情况下,对信号的调制方式做出更精确的识别。本文的研究内容主要包括:(1)对常见的数字调制方式进行详细阐述,选取MASK、MFSK、MPSK和16QAM等10种调制方式作为识别对象。并对神经网络分类器的关键技术进行重点分析。(2)根据现有的特征参数提取方法,进一步提取信号的时域特征、连续小波变换特征、高阶统计量特征以及频域特征,并对这些特征参数进行了仿真分析,对比了它们的分类能力。并根据零中心归一化统计方差值选取鲁棒性较好的特征参数作为分类器的训练特征。(3)对BP神经网络训练过程进行理论分析,重点研究BP神经网络在选取的训练特征下的分类性能,并对基于BP神经网络的调制识别算法的识别率进行了仿真分析,仿真表明,在信噪比为5 dB时,调制识别率达到70%。(4)对DBN网络的训练过程和快速学习算法进行研究分析,提出了基于DBN网络的调制方式识别算法,并仿真分析了基于DBN网络的调制方式识别率。仿真结果表明,基于DBN网络的调制识别算法的识别率在低信噪比的情况下明显高于基于BP神经网络的调制识别算法,在信噪比为3 dB时,基于DBN网络的调制方式识别率整体达到了90%。