本文關鍵詞：通信信號的特征值提取與識別的算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：通信信號調(diào)制樣式識別是軟件無線電的核心技術之一,同時也是最近幾年信號處理領域研究的熱點。通信技術的飛速發(fā)展使得信號的調(diào)制樣式更加復雜和多樣化,之前所常用的調(diào)制識別理論和方法已經(jīng)很難再滿足實際的需求,無法有效地識別通信信號的調(diào)制樣式,所以,這給通信信號調(diào)制樣式識別的進一步研究提出了更高的要求。目前,模擬調(diào)制信號的種類十分有限,并且模擬調(diào)制信號的參數(shù)提取與調(diào)制識別的方法已經(jīng)發(fā)展得十分成熟,而數(shù)字調(diào)制信號的種類繁多,調(diào)制樣式復雜多樣,并且,隨著通信技術的發(fā)展,陸續(xù)還會涌現(xiàn)出更多的數(shù)字調(diào)制方式。所以,對于數(shù)字調(diào)制信號特征參數(shù)的提取與識別才是目前學術界關注熱點和研究重點,所以本文主要將2ASK,4ASK,2FSK,4FSK,2PSK,4PSK和16QAM七種數(shù)字調(diào)制信號作為研究對象。信號調(diào)制識別的總體步驟包括信號的預處理、提取特征參數(shù)和設計分類識別器。在調(diào)制識別的預處理階段,本文在對信號的同相分量和正交分量進行提取的時候用到了多相濾波器,有效地降低了信號的采樣速率。在調(diào)制識別的特征參數(shù)提取階段,本文針對7種數(shù)字調(diào)制信號,提取了6個瞬時特征參數(shù),其中Rσa參數(shù)是改進得到的,Rσp是由Rσa參數(shù)類推得到的。仿真實驗表明,本文提取的6個瞬時特征參數(shù)具備十分優(yōu)良的分類性能。在調(diào)制識別的分類識別器設計階段,本文提出了一種加入粒子鄰域信息的粒子群(Particle Swarm Optimization algorithm with Neighbor information, NPSO)算法。在NPSO算法尋優(yōu)過程中,保留了基本PSO算法的搜索策略,同時還增加了對粒子鄰域粒子的局部搜索,進一步提高算法的全局尋優(yōu)性能。通過使用NPSO算法優(yōu)化BP神經(jīng)網(wǎng)絡的權值和閾值的方法,設計了NPSO-BP分類識別器。仿真實驗表明,當信噪比低至0dB,NPSO-BP分類識別器對7種信號的識別率都可以達到86%以上,從而證明了該分類識別器能有效地提高調(diào)制信號的識別性能。
【關鍵詞】：調(diào)制信號 瞬時特征參數(shù) 改進的粒子群算法(NPSO) 識別率
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 課題背景及研究意義8-10
• 1.2 國內(nèi)外的研究現(xiàn)狀10-12
• 1.2.1 基于決策理論的最大似然假設檢驗方法介紹10
• 1.2.2 基于特征提取的統(tǒng)計模式識別方法介紹10-12
• 1.3 本文主要研究內(nèi)容12
• 1.4 本文組織結構12-14
• 第二章 通信信號調(diào)制識別基礎14-23
• 2.1 引言14
• 2.2 通信系統(tǒng)的模型14-15
• 2.3 信號調(diào)制的概念和目的15
• 2.4 數(shù)字調(diào)制方式及其特征15-19
• 2.4.1 振幅鍵控(ASK)15-16
• 2.4.2 頻率鍵控(FSK)16-17
• 2.4.3 相位鍵控(PSK)17-18
• 2.4.4 正交振幅調(diào)制(QAM)18-19
• 2.5 信號的頻譜與功率譜分析19-20
• 2.6 高斯白噪聲模型20-21
• 2.7 噪聲對數(shù)字調(diào)制信號的影響21-22
• 2.8 本章小結22-23
• 第三章 調(diào)制識別中的特征參數(shù)提取23-35
• 3.1 引言23
• 3.2 對數(shù)字調(diào)制信號進行正交分解23-26
• 3.2.1 信號正交變換理論23-24
• 3.2.2 采用多相濾波器的正交變換24-26
• 3.3 基于瞬時信息的特征提取26-29
• 3.3.1 對基于瞬時信息特征參數(shù)的改進和類推26-27
• 3.3.2 對其他基于瞬時信息特征參數(shù)的提取27-29
• 3.4 仿真實驗及結果分析29-34
• 3.4.1 仿真實驗參數(shù)設置29
• 3.4.2 仿真實驗過程描述29-30
• 3.4.3 仿真結果分析30-34
• 3.5 本章小結34-35
• 第四章 NPSO-BP分類識別器的設計35-56
• 4.1 引言35
• 4.2 BP神經(jīng)網(wǎng)絡模型35-37
• 4.2.1 BP神經(jīng)網(wǎng)絡結構35-36
• 4.2.2 BP神經(jīng)網(wǎng)絡學習規(guī)則36
• 4.2.3 BP神經(jīng)網(wǎng)絡的缺陷36-37
• 4.2.4 BP神經(jīng)網(wǎng)絡的改進37
• 4.3 優(yōu)化理論基礎37-39
• 4.3.1 優(yōu)化問題的數(shù)學表示37-38
• 4.3.2 優(yōu)化算法及其分類38-39
• 4.4 粒子群優(yōu)化算法39-42
• 4.4.1 基本粒子群優(yōu)化算法原理39
• 4.4.2 基本粒子群優(yōu)化算法描述39-40
• 4.4.3 基本粒子群優(yōu)化算法步驟40
• 4.4.4 基本粒子群優(yōu)化算法的偽代碼40-41
• 4.4.5 帶慣性權重的粒子群優(yōu)化算法41-42
• 4.5 對基本PSO算法改進42-46
• 4.5.1 改進的算法思想42-43
• 4.5.2 改進的算法描述43
• 4.5.3 改進的算法步驟43-44
• 4.5.4 改進的算法的偽代碼44-45
• 4.5.5 改進的算法的流程45-46
• 4.6 NPSO-BP分類識別器的設計46-48
• 4.6.1 NPSO-BP分類識別器的原理46-47
• 4.6.2 NPSO-BP分類識別器的設計步驟47-48
• 4.6.3 NPSO-BP分類識別器的實現(xiàn)流程48
• 4.7 NPSO-BP分類識別器的仿真實驗與結果分析48-54
• 4.7.1 BP網(wǎng)絡的結構設計48-49
• 4.7.2 仿真參數(shù)的設置49-50
• 4.7.3 數(shù)據(jù)預處理50
• 4.7.4 實驗對比與結果分析50-54
• 4.8 本章小結54-56
• 第五章 總結與展望56-58
• 5.1 工作總結56-57
• 5.2 工作展望57-58
• 致謝58-59
• 參考文獻59-62
• 附錄：作者在攻讀碩士學位期間發(fā)表的論文62

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張傳忠;吳素琴;段田東;劉世剛;;數(shù)字調(diào)制信號多重分形特性分析[J];信息工程大學學報;2011年02期

2 徐巖;譚方;;低信噪比碼元瞬時特性數(shù)字調(diào)制信號識別研究[J];鐵道學報;2013年07期

3 蘇澤峰;復碼及其數(shù)字調(diào)制信號的精確功率譜分析[J];電訊技術;1984年04期

4 劉明亮 ,賈峰利;用測量法分析數(shù)字調(diào)制信號[J];國外電子測量技術;1997年02期

5 周云松,鄧兵;基于短時分析的數(shù)字調(diào)制信號識別方法的研究[J];信息技術;2005年06期

6 李偉;;基于小波變換的數(shù)字調(diào)制信號的特征提取[J];洛陽理工學院學報(自然科學版);2009年01期

7 李偉;;基于人工神經(jīng)網(wǎng)絡的數(shù)字調(diào)制信號的快速識別方法[J];洛陽理工學院學報(自然科學版);2009年04期

8 劉明騫;李兵兵;劉涵;;數(shù)字調(diào)制信號識別性能的評估方法[J];計算機科學;2011年05期

9 張萬書;數(shù)字調(diào)制信號用測量方法[J];電視技術;1999年03期

10 王振貴 ,高宗敏;數(shù)字調(diào)制信號的電纜分配系統(tǒng)接口(1)[J];有線電視技術;2001年19期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 尚俊娜;李挺;;基于相位信息的MSK軟件解調(diào)新方法研究[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 廖燦輝;陳紹賀;;利用數(shù)字調(diào)制信號特征的衛(wèi)星同頻混合信號盲分離[A];第七屆衛(wèi)星通信新技術、新業(yè)務學術年會論文集[C];2011年

3 周峰;張睿;郭隆慶;王南;;非理想傳輸通道對數(shù)字調(diào)制信號EVM的影響——理論、仿真和測量[A];2009安捷倫科技節(jié)論文集[C];2009年

4 辛建芳;張立毅;魏瑾;甘子平;;基于高階累積量的數(shù)字調(diào)制信號識別[A];中國通信學會第五屆學術年會論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 孟祥雅;常用數(shù)字調(diào)制信號的識別研究[D];河北大學;2015年

2 石亞云;非高斯噪聲環(huán)境下數(shù)字調(diào)制信號的識別方法研究[D];西安電子科技大學;2014年

3 史先銘;通信信號的特征值提取與識別的算法研究[D];江南大學;2016年

4 曹家亮;數(shù)字調(diào)制信號識別研究[D];哈爾濱工程大學;2009年

5 劉明騫;基于支持向量機的數(shù)字調(diào)制信號識別[D];西安理工大學;2009年

6 陳琦珍;數(shù)字調(diào)制信號方式的小波識別算法研究[D];南昌大學;2007年

7 鄧能;數(shù)字調(diào)制信號的質量檢測[D];北京郵電大學;2015年

8 馮利利;改進型自組織特征映射神經(jīng)網(wǎng)絡的數(shù)字調(diào)制信號識別技術研究[D];太原理工大學;2011年

9 高建勤;基于小波和分數(shù)階微分的數(shù)字調(diào)制信號分析與識別[D];四川大學;2006年

10 鞠帥;短波信道中數(shù)字調(diào)制信號的檢測與識別[D];哈爾濱工程大學;2007年

  本文關鍵詞：通信信號的特征值提取與識別的算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：349347