基于高阶累积量的调制信号识别算法的研究——简化版

   日期:2021-03-22     浏览:107    评论:0    
核心提示:在进行调制方式识别之前,我们首先需要对信号的相关特征进行提取,信号特征的提取需要反映调制信号的细节信息,本文将选择信号的高阶累积量以及信号的希尔伯特变换结果作为特征提取值。在对调制信号进行识别之前,需要对调制信号做预处理,这是由于实际接收器接收到的调制信号往往受到诸如天空噪声、大气噪声以及人为噪声等各种噪声的干扰,而这些噪声会严重干扰信号的频谱特性。因此,对调制信号的预处理的主要目的在于为了扩大信号调制特征的差异性,尽量消除底噪声对真实信号的影响。 ...

        在进行调制方式识别之前,我们首先需要对信号的相关特征进行提取,信号特征的提取需要反映调制信号的细节信息,本文将选择信号的高阶累积量以及信号的希尔伯特变换结果作为特征提取值。在对调制信号进行识别之前,需要对调制信号做预处理,这是由于实际接收器接收到的调制信号往往受到诸如天空噪声、大气噪声以及人为噪声等各种噪声的干扰,而这些噪声会严重干扰信号的频谱特性。因此,对调制信号的预处理的主要目的在于为了扩大信号调制特征的差异性,尽量消除底噪声对真实信号的影响。

      

        

        

        但是直接通过该特征,很难区分FSK和PSK,通过研究发现,采用功率谱可以有效区分FSK和PSK两个大的类型,常见的调制信号的功率谱如下所示:

  

       仿真结果可知,对于MPSK调制方式,其信号的功率谱的峰值部分较为平稳(功率谱峰值宽度较大),而对于MFSK调制方式,其信号的功率谱的峰值部分较为尖锐(功率谱峰值宽度较小),因此根据计算两种调制方式对应的功率谱峰值宽度值可以区分两种调制方式。

因此,我们可以做如下的调制识别方案:

这里特征提取采用的是高阶累积量,在识别之前,先通过功率谱进行FSK和PSK类型的区分。然后再通过高阶累计量进行识别

最终获得如下的调制识别率:

 

 
打赏
 本文转载自:网络 
所有权利归属于原作者,如文章来源标示错误或侵犯了您的权利请联系微信13520258486
更多>最近资讯中心
更多>最新资讯中心
更多>相关资讯中心
0相关评论

推荐图文
推荐资讯中心
点击排行
最新信息
新手指南
采购商服务
供应商服务
交易安全
关注我们
手机网站:
新浪微博:
微信关注:

13520258486

周一至周五 9:00-18:00
(其他时间联系在线客服)

24小时在线客服