论文部分内容阅读
通信信号调制方式的自动识别指的是传输过程有噪声污染且无先验信息的情况下,对所接收信号作适当加工处理,明确调制类型,为下一步工作做铺垫。在信号监测、干扰辨识、多用户检测、电子对抗、无线电频谱监测等许多领域中,通信信号的自动调制识别都是研究的热点问题,更重要它是软件无线电接收机中一项极为重要的必备功能。通信信号调制方式的自动识别技术是现代无线通信技术研究领域中一个极为重要的部分,其工程应用前景十分广泛。随着通信技术突飞猛进的发展,无线通信环境变得越来越复杂,天线接收到的信号常为具有多采样值且同时混叠于时域、频域和空域的混合信号。由于先验知识少,使分离和识别工作很难进行,因此如何快速准确、安全可靠地分离和识别这些混合信号一直是军用和民用领域备受关注的热点课题。本文首先介绍了各种数字通信信号模型,利用MATLAB仿真其波形。在此基础上,基于独立分量分析(Independent Component Analysis,ICA)和支持向量机(Support Vector Machine,SVM)对2ASK、4ASK、2FSK、4FSK、2PSK、4PSK和16QAM这七种无线通信中常见的数字信号组成的混合信号进行了分离、识别研究。采用快速固定点(FastICA)算法分离出各个独立成分,利用MATLAB仿真其分离效果,结果表明FastICA算法较理想地还原了源信号中各独立成分的波形。引入支持向量机分类思想,从信号的瞬时信息(瞬时幅度、瞬时频率、瞬时相位)、信号频谱及复杂度中提取六个特征参数组成识别特征集,采用SVM调制识别器对调试方式进行识别。由于核函数类型、核函数参数以及惩罚因子C的选取直接影响SVM分类器的泛化性能,本文引入扩展粒子蜂群算法(Extensive Particle SwarmArtificial Bee Colony Algorithm, EPSABC),用MATLAB编程实现EPSABC算法的性能评估,结果显示,EPSABC的优化性能有明显提升,成功应用于SVM的参数优化。最终基于EPSABC-SVM实现数字信号的调制识别,MATLAB仿真分析可知,EPSABC-SVM算法较理想地实现了各信号的分类。综合表明,本文算法有较好性能,能够较理想地实现无线通信中混合通信信号的分离与识别。