在非協(xié)作通信環(huán)境下,針對2ASK、4ASK、2FSK、4FSK、BPSK、QPSK六種常規(guī)數(shù)字調(diào)制信號,采用了基于瞬時統(tǒng)計特征的信號自動分類算法對上述六種信號進行分類識別。仿真結(jié)果表明,該算法在信噪比大于15dB時,總體識別率高于90%;隨著信噪比減小,信號識別率下降明顯。當(dāng)信噪比低于5dB時,信號識別率不足60%。為提高低信噪比下信號識別率,進一步引入BP神經(jīng)網(wǎng)絡(luò)作為分類器,采用自適應(yīng)學(xué)習(xí)速率梯度下降法訓(xùn)練神經(jīng)網(wǎng)絡(luò),設(shè)計了基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字調(diào)制信號自動識別方案。最后在軟件無線電設(shè)備NI-USRP 2920上實現(xiàn)了該方案,并驗證了性能。實測結(jié)果表明,六種數(shù)字調(diào)制信號正確識別率均高于91%。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 基于瞬時信息的特征參數(shù)提取
    1.1 零中心歸一化瞬時幅度的譜密度最大值γmax
    1.2 零中心非弱信號段瞬時相位非線性分量絕對值的標(biāo)準偏差σap
    1.3 零中心非弱信號段瞬時相位非線性分量的標(biāo)準差σdp
    1.4 零中心歸一化非弱信號段瞬時頻率絕對值的標(biāo)準差σaf
    1.5 零中心歸一化瞬時幅度絕對值的標(biāo)準偏差σaa
2 識別過程
    2.1 分類器流程圖及仿真結(jié)果分析
    2.2 BP神經(jīng)網(wǎng)絡(luò)介紹及仿真結(jié)果分析
3 基于USRP的數(shù)字調(diào)制信號自動識別方案實現(xiàn)及性能分析
    3.1 信號識別的實現(xiàn)
    3.2 結(jié)果分析
4 結(jié)語


【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的數(shù)模混合信號調(diào)制識別算法[J]. 牛國慶,姚秀娟,閆毅,王春梅.  計算機工程. 2016(04)
[2]數(shù)字調(diào)制信號的神經(jīng)網(wǎng)絡(luò)識別方法[J]. 黃春琳,邱玲,沈振康.  國防科技大學(xué)學(xué)報. 1999(02)

碩士論文
[1]基于LabVIEW的典型通信信號調(diào)制、參數(shù)識別及模擬實驗研究[D]. 卜婷.南京理工大學(xué) 2012
[2]數(shù)字通信信號自動調(diào)制識別中的分類器設(shè)計與實現(xiàn)[D]. 闕隆樹.西南交通大學(xué) 2010
[3]通信信號調(diào)制分類識別與參數(shù)提取技術(shù)研究[D]. 盧璐.西安電子科技大學(xué) 2010



本文編號：3701043