watterson模型下的信號(hào)自動(dòng)調(diào)制識(shí)別算法

《watterson模型下的信號(hào)自動(dòng)調(diào)制識(shí)別算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、Watterson模型下的信號(hào)自動(dòng)調(diào)制識(shí)別算法摘要：本文針對(duì)慢衰落信道中信號(hào)調(diào)制方式自動(dòng)識(shí)別的問題，提出了一種基于特征矢量的判決方法。通過提取4大類共9種特征參數(shù)，最終通過這些參數(shù)構(gòu)成特征矢量實(shí)現(xiàn)了基于信號(hào)和Morse碼都會(huì)出現(xiàn)一個(gè)很明顯的單頻分量，而調(diào)頻類信號(hào)和幅相類信號(hào)在載頻位置沒有單頻分量。（4）R參數(shù)及其方差調(diào)相類信號(hào)屬于恒包絡(luò)信號(hào)，R參數(shù)較小，而幅相類信號(hào)屬于非恒包絡(luò)信號(hào)，R參數(shù)較大；相比于AM信號(hào)，Morse電碼時(shí)有時(shí)無，其R參數(shù)的方差必然很大，因此R參數(shù)的方差可用于區(qū)分兩類信號(hào)。4.2特征矢量判決傳統(tǒng)的決策樹又稱判決樹，是一種類似于

2、二分樹或多叉樹的樹結(jié)構(gòu)。樹中每一個(gè)非葉節(jié)點(diǎn)對(duì)應(yīng)于訓(xùn)練樣本集中一個(gè)非類別屬性的測(cè)試，非葉節(jié)點(diǎn)的每一個(gè)分支對(duì)應(yīng)屬性的一個(gè)測(cè)試結(jié)果，每個(gè)葉子節(jié)點(diǎn)代表一個(gè)類。但是這種判決樹存在很大的缺點(diǎn)，就是當(dāng)出現(xiàn)一種的新的調(diào)制方式時(shí)，必須重新設(shè)計(jì)判決樹，使得工作量大增。究其原因，主要是因?yàn)樘崛〉奶卣鲄?shù)較少，每一個(gè)葉子節(jié)點(diǎn)必須對(duì)應(yīng)于相應(yīng)的類，而且每一個(gè)信號(hào)只是計(jì)算某些特征參數(shù)，這就大大限制了判決樹的設(shè)計(jì)與應(yīng)用。針對(duì)上述缺點(diǎn)，本文提出了一種改進(jìn)的基于判決矢量的判決策略，增大了判決樹的分支數(shù)，使得每一個(gè)葉子節(jié)點(diǎn)并不一定都是一類調(diào)制方式。當(dāng)出現(xiàn)新的調(diào)制方式時(shí)，就可以通過在原

3、有判決樹的基礎(chǔ)上或者再增加若干特征參數(shù)而后進(jìn)行分類，方便了信號(hào)分類集的增大或者縮小。5.算法仿真結(jié)果對(duì)經(jīng)過、Morse碼、2FSK、BPSK、QPSK、OQPSK、8PSK、16QAM、32QAM共9類信號(hào)，使用Labvies，多普勒擴(kuò)展為0Hz，路徑增益為1，；路徑2時(shí)延為1.5ms，多普勒擴(kuò)展為0.1Hz，路徑增益為1，多普勒頻移為1Hz。傳輸?shù)男盘?hào)調(diào)制規(guī)格為：AM調(diào)制指數(shù)為0.8，模擬信號(hào)采用一段音頻信號(hào)；2FSK、BPSK、QPSK、OQPSK、8PSK、16QAM、32QAM信號(hào)采用1000個(gè)基帶數(shù)據(jù)符號(hào)，滾降系數(shù)為0.35的升余弦濾波

4、器，碼元速率為1000Hz，載波頻率為1500Hz，采樣率為16000Hz。通過算法仿真得到了上述9種信號(hào)正確識(shí)別概率隨信號(hào)信噪比變化的曲線圖。從圖7中可以看出，在信噪比大于10dB時(shí)，信號(hào)的正確識(shí)別概率均達(dá)到了90%以上，可見本文提出的調(diào)制識(shí)別算法達(dá)到了較好的分類效果。6.結(jié)束語(yǔ)本文研究了在多徑效應(yīng)、多普勒頻移以及多普勒擴(kuò)展影響下通信信號(hào)調(diào)制方式自動(dòng)識(shí)別算法，仿真產(chǎn)生了Watterson信道模型下的9種信號(hào)，提取了包括基于信號(hào)循環(huán)平穩(wěn)特性的平方譜和四次方譜中某些特征譜線、瞬時(shí)頻率概率峰值、單頻分量、R參數(shù)及其方差等4大類共9種特征參數(shù)，構(gòu)成了特

5、征矢量判決策略，改進(jìn)了傳統(tǒng)判決樹的分類器。這種基于特征矢量的判決策略，當(dāng)信號(hào)分類集合擴(kuò)大時(shí)，只用根據(jù)需要增加新的特征參數(shù)即可。仿真性能結(jié)果表明，經(jīng)過Watterson信道模型傳輸?shù)男盘?hào)，在信噪比為10dB時(shí)，所有信號(hào)的調(diào)制識(shí)別概率均達(dá)到了90%以上。然而，實(shí)際信號(hào)中部分?jǐn)?shù)字調(diào)制信號(hào)存在導(dǎo)頻信息，還含有大量多音并行信號(hào)等復(fù)合調(diào)制信號(hào)。因此，下一步工作將圍繞實(shí)際信號(hào)調(diào)制識(shí)別展開。