基于軟件無線電的信號調(diào)制識別技術(shù)的研究與實現(xiàn)-wenkub.com
2024-10-31 21:38 本頁面
【正文】 14 12 實驗驗證方案 實驗驗證 1： 一定調(diào)制方式仿真信號的調(diào)制識別 橫軸： 信噪比 縱軸： 調(diào)制識別率 附注： 分別對不同調(diào)制方式的多條曲線 實驗驗證 2： 一定調(diào)制方式真實傳輸信號的調(diào)制識別 橫軸：信噪比 縱軸：調(diào)制識別 率 附注：分別對不同調(diào)制方式的多條曲線 。硬件前端采用 Matt Ettus 設(shè)計的射頻前端 USRP 來實現(xiàn) 如圖 6， USRP 可在 0GHz~ 載頻上提供高達 16MHz 帶寬的信號收發(fā)能力。 擬采用的實施方案 本課題首先在仿真實驗平臺 Matlab 下進行數(shù)據(jù)仿真，通過對一定調(diào)制方式的模擬來產(chǎn)生信號，并加入高斯白噪聲來模擬真實環(huán)境，然 后通過對產(chǎn)生的模擬信號進行調(diào)制識別。而新興的神經(jīng)網(wǎng)絡(luò)分類器由于具有強大的模式識別能力，可以獲得很高的識別率，能夠自動適應(yīng)環(huán)境變化，較好處理復(fù)雜的非線性問題，具有更好的穩(wěn)健性和潛在的容錯性，所以在信號調(diào)制識別中得到了實際應(yīng)用 ]26,25[ 。 信號的奇異性可以用 Lipschitz 指數(shù)來刻畫，它反映了信號在某一點或者某一區(qū)域的規(guī)則性。 利用傅氏變換特征在頻域?qū)崿F(xiàn) : ? ?)(2)( ffXjIF F Tty ??? ， )(fX 為 )tx 的傅氏變換。 9雖然這樣可以將接收信號變?yōu)閺?fù)信號，但是在真實計算中比較復(fù)雜，常用 FFT 算法來實現(xiàn)計算復(fù)信號。其中決策理論的訓(xùn)練的過程是離線的，所以適應(yīng)性較差，對于不同的信噪比，采樣率可能需要重新進行訓(xùn)練。 研究目標、需要解決得問題以及研究內(nèi)容的關(guān)系如 圖 5 所示： 圖 5 研究目標、研究內(nèi)容與關(guān)鍵技術(shù)之間的關(guān)系 北京航空航天大學(xué) 2020 級碩士研究生開題報告 基于軟件無線電的信號調(diào)制識別技術(shù)的研究與實現(xiàn) 北京航空航天大學(xué)計算機學(xué)院 北京航空航天大學(xué) 2020 級碩士研究生開題報告 基于軟件無線電的信號調(diào)制識別技術(shù)的研究與實現(xiàn) 北京航空航天大學(xué)計算機學(xué)院 因此，多信號的調(diào)制識別技術(shù)是一個函待解決的實際課題，不但有 著深刻的應(yīng)用背景，而且還具有重 要的學(xué)術(shù)價值 . 第 3章 研究目標和內(nèi)容 研究目標 在一個空間中，通過射頻前端對通信信號進行捕獲， 對捕獲的信號進行預(yù)處理，得到需要的基本參數(shù)，通過對基本參數(shù)的操作最終得到通信信號的調(diào)制方式以及一些調(diào)制參數(shù)。 除了上述共性的問題，我們還發(fā)現(xiàn)了調(diào)制識別的另一個難題，這就是多信號的調(diào)制識別問題。 正是由于調(diào)制識別問題本身的復(fù)雜性，再加上應(yīng)用背景的特殊性，對通信信號調(diào)制識北京航空航天大學(xué) 2020 級碩士研究生開題報告 基于軟件無線電的信號調(diào)制識別技術(shù)的研究與實現(xiàn) 北京航空航天大學(xué)計算機學(xué)院 嚴格來說，所有的 通信信號都是調(diào)制識別的研究對象，所以待識別的調(diào)制形式的種類很多。在非合作通信的條件下，接收方?jīng)]有或只有極少有關(guān)信號的先驗信息可供利用，因此比其它的識別問題如語音識別、圖文識別等更為困難，因此也有人把調(diào)制識別稱之為盲調(diào)制識別。第三，似然比分類方法對模型失配和參數(shù)偏差比較敏感，即穩(wěn)健性差。其次，未知參數(shù)的存在，導(dǎo)致似然比分類的充分統(tǒng)計量表達式很復(fù)雜，計算量大，難于實時處理。 似然比分類算法也存在局限性或不足之處。而 Boiteau 則先做冪級數(shù)展開，然后對展開式中的未知參數(shù)做期望平均處理。這一方法需要確切知道信號的某些參數(shù)，例如分布函數(shù)的形式和均值、方差、以及信噪比參數(shù)等。首先對中頻通信信號進行小波包分解，求每層精細部分和逼近部分分解系數(shù)向量的平均能量，然后把這些平均能量值按一定順序排列構(gòu)造出分類特征。Hero 則利用碼元同步采用序列構(gòu)造幅度和相位的高階混合功率矩陣分類 MPSK 和 QAM信號星座圖，并通過特征值分解和噪聲子空間方法降低噪聲影響，提高分類性能 ]16[ 。在已有調(diào)制識別文獻中， Azzouz 利用中頻通信信號的瞬時包絡(luò)、相位和頻率的不同定義的 2 階矩 (2 階矩、 2 階中 心矩、絕對 2 階矩、絕對 2 階中心矩等 )來分類模擬和數(shù)字通信信號 ]31[? ， Louis 采用瞬時頻率、相位和幅度的均值、 2 階、 3 階和 4階矩識別 2/4/8FSK、 2/4/8PSK、 16/64QAM 和 QPSK/MSK 信號 ]11[ ， Hill 則使用幅度和頻率的均值、中值和 4 階中心矩分類調(diào)制類型 ]1312[ ? 。 Hong ]7,6[ 等人利用小波變換提取 FSK和 PSK 信號的瞬時頻率和相位變化， Ketterer 通過計算信號的 Margenauhill 分布 (一種固定核的科恩分布 )提取瞬時相位信息 ]8[ 。用這些已知調(diào)制類型的特征參數(shù)訓(xùn)練分類器，直到分類輸出滿足給定的誤差要求，或通過對特征參數(shù)的統(tǒng)計分析(均值、方差 )直接設(shè)置分類器的判決門限或分類函數(shù)的參數(shù)，完成分類器的訓(xùn)練階段。在已發(fā)表 的有關(guān)調(diào)制識別的文獻中，所采用的調(diào)制識別方法大致可分為兩類，即基于特征提取的模式識別方法和最大似然假設(shè)檢驗方法 (或稱為似然比判決理論方法 )。 截獲接收機所處的信號環(huán)境。相比之下，通信截獲接收機工作于非協(xié)作通信環(huán)境，一般情況下，只知道極少的通信參數(shù)。 綜上所述， 通信 信號的調(diào)制類型識別技術(shù)有很高的使用價值，在通信領(lǐng)域有著廣泛的應(yīng)用前
高考資料相關(guān)推薦
鄂ICP備17016276號-1