数字通信信号调制识别研究

《数字通信信号调制识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码：10293密级：硕士学位论文论文题目：数字通信信号调制识别研究学姓导号名师Y001090205刘爱声朱琦学研科究专方业向通信与信息系统移动通信与无线技术申请学位类别论文提交日期工学硕士二○一二年二月南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本

2、人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院（筹）办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签名：____________日

3、期：_____________南京邮电大学硕士学位论文摘要学科、专业：研究方向：工学、通信与信息系统移动通信与无线技术作者：2009级研究生刘爱声指导老师：朱琦题目：数字通信信号调制识别研究英文题目：ModulationClassificationAlgorithmsofDigitalCommunicationSignals主题词：调制识别；特征提取；神经网络；聚类；支持向量机Keywords：Modulationclassification;Keyfeatureextraction;Neuralnetwork;Clusteringalgorithm;Suppo

4、rtVectorMachine南京邮电大学硕士研究生学位论文摘要摘要信号的自动调制识别技术，就是指在没有任何先验知识或者是在先验知识很少，在信道存在噪声及干扰的条件下，通过对接收到的通信信号进行分析和处理，判断出信号采用的调制方式，从而为进一步处理信号提供依据。能够快速、有效的监视并识别接收到的调制信号，在军事和民用领域都有着重要的作用。由于通信技术的飞速发展，新的调制方式不断出现，加上复杂的信号传输环境，决定了通信信号的调制识别仍然是一项颇具挑战性的研究课题。论文主要研究了基于特征参数提取的模式识别方法来进行数字通信信号的调制识别。聚类是数据挖掘中的一个重要手段，

5、能够较好的处理复杂的非线性分类问题。论文基于聚类算法，提出了基于聚类和神经网络的联合调制识别算法。针对几种典型的基于星座图的调制方式PSK/QAM，首先利用模糊C-均值聚类（FCM），重建接收信号的星座图，然后通过构造有效性评估函数，分别得到在不同聚类中心数时能够反映调制类型显著差异的有效性函数值，作为输入神经网络分类器的特征参数。为了克服标准BP算法收敛速度慢且容易陷入局部极小点等缺点，本文采用改进的变梯度Polak-Ribiere修正算法对神经网络进行训练，以提高收敛速度和网络识别性能。由于单独采用聚类可以实现基于星座图调制方式的识别，因此本文提出的联合调制识别算法也

6、可以看作是对聚类算法的一种改进。仿真结果表明，与单独采用聚类相比，在高斯白噪声信道下本文所设计方法的系统调制识别率明显提高。支持向量机是基于统计学习理论而发展起来的一种模式识别方法，从理论上实现了对不同类别的最优分类。论文给出了一种基于聚类和支持向量机的联合调制识别算法，实现调制方式的自动识别，同样可以改进聚类算法在低信噪比时调制识别率低的缺点。该方法首先利用K-均值聚类算法，重建接收信号的星座图，然后通过构造有效性评估函数，分别得到在不同聚类中心数时能够反映调制类型显著差异的有效性函数值，作为输入支持向量机的特征参数。为了克服支持向量机识别多类问题时，常用的一对余类及一

7、对一类两种算法计算复杂度高的缺点，本文采用分级的算法对支持向量机进行训练。最后利用训练好的支持向量机分类器，识别出信号的调制方式，以提高系统对接收信号的调制识别率。与单独采用聚类算法相比，该方法能够提高系统的调制识别率，尤其是在接收信号的信噪比较低时，调制信号的识别率明显提高。随着传感器网络的兴起，分布式检测，估计及识别算法的优越性受到了越来越多的关注。论文给出了一种在无线传感器网络中多个传感器节点分布式协作识别数字调制信号的方法。为了克服低信噪比时单接收节点调制识别率低的缺点，实现对MASK，MFSK，BPSK，QPSK以及