多径信道下多体制信号调制识别

论文摘要

随着通信技术的飞速发展,通信信号的体制和调制方式日益多样化,通信环境也日趋复杂,这样就使得通信信号的调制识别变的更加困难。目前已有的方法中大多都是基于通信环境为理想条件、高斯白噪声干扰或多径干扰影响小的情况下提出的。至今在低信噪比,多径干扰强的环境下的调制识别技术仍然是该领域的热点和难点。在高斯白噪声多径信道下本文提出了一种基于信号循环谱的调制识别方法。该方法首先在循环谱域设置了一个经验门限减小噪声对特征量的影响,再利用信号循环谱的性质,通过求解循环谱的某些频率和循环频率下的相关系数值来作为特征量来克服多径干扰,共提取了六种抗多径干扰特征量。理论分析和仿真实验均说明了这些特征量能够消除多径信道参数的影响,是一种有效的、稳定的信号调制识别特征量。最后本文又提出了一种改进的遗传算法来对数字信号调制识别的特征集进行择优选取,从提取出的六个特征量中筛选出最适合待识别信号集的特征量组合。该方法利用了选择和淘汰所引起的优秀种群大小变化来自适应地调节交叉概率和变异概率,从而选取待识别信号的最优特征量组合。最后通过门限硬判决树分类器和RBF神经网分类器进行识别,结果表明了该方法在多径信道,低信噪比条件下的可行性和有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外发展背景及现状
• 1.3 本文选用循环谱原因
• 1.4 本文研究内容及章节安排
• 第二章 循环谱相关理论
• 2.1 引言
• 2.2 循环谱理论及定义
• 2.2.1 谱相关函数定义
• 2.2.2 循环谱密度函数
• 2.2.3 循环谱密度函数估计算法
• 2.3 单载波数字信号循环谱分析
• 2.3.1 BPSK信号循环谱分析
• 2.3.2 QPSK信号循环谱分析
• 2.3.3 MQAM信号循环谱分析
• 2.3.4 FSK信号循环谱分析
• 2.3.5 MSK信号循环谱分析
• 2.4 多载波OFDM信号循环谱分析
• 2.4.1 OFDM调制原理
• 2.4.2 基于OFDM的DVB-T信号循环谱
• 2.5 小结
• 第三章 新特征参数提取及性能分析
• 3.1 引言
• 3.2 多径信道下新的特征值分析
• 3.3 特征量性能仿真分析
• 3.3.1 仿真分析环境
• 3.3.2 特征量特性分析
• 3.3.3 多径信道对特征量影响测试
• 3.3.4 采样点数长度对特征量影响测试
• 3.4 小结
• 第四章 基于改进遗传算法特征集选取及调制识别仿真
• 4.1 引言
• 4.2 基于改进的遗传算法的特征值筛选
• 4.3 信号调制识别步骤
• 4.4 基于判决树的分类器识别方法
• 4.4.1 基于门限硬判决的判决树调制识别
• 4.4.2 仿真结果及分析
• 4.5 基于RBF神经网络分类器的调制识别
• 4.5.1 RBF神经网络
• 4.5.2 基于RBF神经网络信号调制识别
• 4.6 小结
• 第五章 总结与展望
• 致谢
• 参考文献
• 研究成果