超特征下的數(shù)字調(diào)制識別技術(shù)研究.pdf

1、調(diào)制識別是軍事和民用領(lǐng)域一個傳統(tǒng)而有意義的研究課題。隨著軟件無線電和正交頻分復(fù)用技術(shù)的蓬勃發(fā)展，對調(diào)制識別技術(shù)的要求也越來越高，一方面，要求算法可硬件快速實現(xiàn)，另一方面又要求算法能適應(yīng)盡量多的樣式、獲得盡量高的識別準確率。
　　本文在分析和總結(jié)現(xiàn)有文獻的基礎(chǔ)上，對調(diào)制識別做了較深入的研究，從提取有用分類信息、減少特征維數(shù)的角度著手研究，主要的工作和研究內(nèi)容包含以下幾個方面：
　　1.介紹了信號的調(diào)制理論，對常用域（瞬時特征量

2、、譜、小波、高階累積量等）下的特征提取作了研究，仿真并分析了分類特征的分布。鑒于噪聲和數(shù)據(jù)長度的影響，單一特征的分類能力是有限的，在此基礎(chǔ)上，引出超特征的概念，對特征向量進行抽取，在簡單的分類空間對不同的樣式進行識別。
　　2.將遺傳算法和KNN分類器進行結(jié)合，從超特征的角度研究了調(diào)制識別問題。針對 QPSK和16QAM分類這個基本問題，基于7個高階累積量值，用c42和c60構(gòu)造分類參數(shù)T，用決策樹完成兩類的識別；然后，將所有的基

3、礎(chǔ)特征輸入遺傳算法和 KNN分類器構(gòu)建的分類結(jié)構(gòu)中，進化得到最優(yōu)的分類特征，從特征在超平面的分布看，得到的特征類間分離度高，類內(nèi)緊湊，識別性能優(yōu)異，表明方法對于多維特征中內(nèi)在模式的抽取是有效的。緊接著，討論了框架中一些復(fù)雜的問題：KNN分類器中 K值選取，學(xué)習(xí)樣本的選取，適應(yīng)度函數(shù)的設(shè)計，以及多類問題的分類策略問題，然后運用算法對 BPSK/QPSK/16QAM/64QAM進行了識別，仿真結(jié)果在10dB時平均正確率可達96.7％。

4、>　　3.研究了一個具體場景下的調(diào)制識別問題。針對幾種常見的遙控遙測調(diào)制信號(PCM/FM,PCM/BPSK,PCM/QPSK,PCM/UQPSK，PCM/BPSK/PM(標準 TT&C))，對信號特性進行研究分析，考慮信號是否有載波殘留，平方譜是否有譜線凸出，功率譜密度分布以及譜峰的個數(shù)，提出4個分類特征，然后用決策樹和遺傳算法兩種方法分別進行了識別，仿真結(jié)果表明，提出的分類特征是有效的，在信噪比10dB，平均正確率可達90%，同時，