基于高阶累积量和循环谱的信号调制方式混合识别算法

《基于高阶累积量和循环谱的信号调制方式混合识别算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Seediscussions,stats,andauthorprofilesforthispublicationat:https://www.researchgate.net/publication/304525641Mixedrecognitionalgorithmforsignalmodulationschemesbyhigh-ordercumulantsandcyclicspectrumArticleinDianziYuXinxiXuebao/JournalofElectronicsandInformationTechnology·March2016DOI:10.

2、11999/JEIT150747CITATIONSREADS4621author:XiongwenZhaoNorthChinaElectricPowerUniversity134PUBLICATIONS1,655CITATIONSSEEPROFILESomeoftheauthorsofthispublicationarealsoworkingontheserelatedprojects:MillimeterwavechannelmeasurementsandmodelingaswellasmassiveMIMOViewprojectopenresearchfundofN

3、ationalMobileCommunicationsResearchLaboratory,SoutheastUniversityundergrantNo.2016D09.,andit’salsosupportedbytheNationalNatureScienceFoundationofChina(NSFC)undergrantNo.61771194,ViewprojectAllcontentfollowingthispagewasuploadedbyXiongwenZhaoon29June2016.Theuserhasrequestedenhancementofth

4、edownloadedfile.第38卷第3期电子与信息学报Vol.38No.32016年3月JournalofElectronics&InformationTechnologyMar.2016基于高阶累积量和循环谱的信号调制方式混合识别算法①*①②赵雄文郭春霞李景春①(华北电力大学电气与电子工程学院北京102206)②(国家无线电监测中心北京100037)摘要：为了识别当前通信系统所采用的主要调制方式，该文结合高阶累积量和循环谱的特点，采用混合识别算法，同时应用智能决策算法(神经网络)对信号进行识别。该算法基于四阶和六阶高阶累积量构造出一个新的特征参数，将数字调制信号

5、分为{BPSK,2ASK},{QPSK},{2FSK,4FSK},{MSK}和{16QAM,64QAM}5类。然后利用高阶累积量的其它特征参数以及循环谱特征对{OFDM},{16QAM,64QAM},{2ASK,BPSK}及{2FSK,4FSK}进行识别。为便于工程实现，该文采用半实物仿真以及LabVIEW和MATLAB混合编程来验证算法。仿真结果证明，该算法能够在较低信噪比下实现对{OFDM,BPSK,QPSK,2ASK,2FSK,4FSK,MSK,16QAM,64QAM}等多种信号的分类，在信噪比高于5dB时，调制方式识别率可达94%以上，由此证明了该方法的有效性。

6、关键词：调制识别；高阶累积量；循环谱；神经网络中图分类号：TN92文献标识码：A文章编号：1009-5896(2016)03-0674-07DOI:10.11999/JEIT150747MixedRecognitionAlgorithmforSignalModulationSchemesbyHigh-orderCumulantsandCyclicSpectrum①①②ZHAOXiongwenGUOChunxiaLIJingchun①(SchoolofElectricalandElectronicEngineering,NorthChinaElectricPowerUni

7、versity,Beijing102206,China)②(TheStateRadioMonitoringCenter,Beijing100037,China)Abstract:Torecognizethemajormodulationschemeswhichareappliedtoconcurrentcommunicationsystems,ajointmethodbasedonthehigh-ordercumulantsandcyclicspectrumwithintelligentdecisionalgorithm(neuralne