（信号与信息处理专业论文）通信信号的参数提取与分层结构bp网络识别研究.pdf

太原理：i ：大学碳：l 研究生学位论文 通信信号的参数提取与分层结构 b p 网络识别研究 摘要 通信信号调制方式的自动识别和调制参数的自动估计是非协作通 信和软件无线电中的重要问题。非协作通信是通信领域中的一一个分支， 在民用或军用场合都有重要的应用，它需要接收机在先验知识不足的 前提f 监视空问通信信号的活动情况，并截获其传输的信息内容：软 件无线电是未来遂信中韵一个关键技术，它需要接收机怒在司一个硬 孚平台卜翔动完成多种体制、多个频段的通信积孝日互闻的切换。这两 种技术都需要鳃决通信信号制式的自动识别和参数估计。鉴于此本文 重点作了如下工作： 1 设计了软件无线电的各种数字调制信号样本集。基于软件无线 i 乜结构中调制信号通用模型特点，同时分别考虑理想信道和高斯白噪 声信道两种情况，采厢m a t l a b 编程形成了各种数字调制信号( 如 2 a s k 、2 f s k 、b p s k j4 a s k 、4 f s k ，q p s k 、8 q a m ，1 6 q a m ，3 2 q a m 、 6 4 q a m 、1 2 8 q a m 和2 5 6 q a m 等) 的数据样本。该样本集可商接用于 各种方法实现调制信号识掰的数据来源，具有实时检渊各类调制信号 的瞬时幅度、瞬时频率和瞬时相位等特点，有较强的通用性。并研究 厂非掷作通信哼t 载频和符号速率估计以及采样速率的选择问题。 太原理工大学硕士研究生学位论文 2 基于时域统计特征和分形特征的参数提取，并形成了特征矢量 样本集。首先，分析并提取各粪数字调制信号的瞬时幅度、相位纛频 率，在对特征矢量进行提取时，用去卷叠和去线性相位分量的方法对 瞬时相位的正确恢复进行了处理，减小了信道秘噪声对信号瞬时特征 的影响，使提取的瞬时特征更接近理想情况。在m a t l a b 平台一f 针对 调制方式集( a s k ，4 a s k ，2 f s k ，4 f s k ，b p s k ，q p s k ，1 6 q a m 等) 提取特征，同时考虑噪声对信道的影响，形成了特征矢量空间，作为 神经网络的训练样本集。其次，根据不同调制信号波形变化的特点， 提出具有优良品质酶分形特征，并进行了性能分析，分类识剐实验结 果表明该特征参数提取算法具有运算量小、识别效率高的特点。 3 针对判决瓣分类方法的不足，提出了使用分漂潮络缩构韵m l p 设计神经网络模型，采用改进的b p 神经网络算法r p r o p 。该算 法另辟蹊径，抛开偏导数豹大小丽采用镳导数豹符号所带来的溺络训 练信息来调整网络，从而避开了基本b p 算法的固有局限性。在不同信 噪比的高斯信道中进行了训练识羽，实验结果表明：本文设计的网络 模型及训练算法，与传统方法相比在收敛速度、训练时间以及识别率 方面都有很大的改进。同时考察了各种信噪比信道下不同的观测数据 欧度对识别率的影嘛。 本文的研究结果表明：通过采用本文提出的调制信号自动识别算 法和稠荚的特征参数提取算法，可以有效的提高非协作通信和软件无 太蹑理l 。犬学硕士研究生学位论文 线电中接收机的工作性能和实用亿程度。 关键调：软件无线电，数字调制，特征参数，a n n ，r p r o p 算法，模 式识别 太原理工大学硕二l 研究生学位论文 t h ep a r a m e t e r se x t r a c t i o n0 f c o m m u n i c 盯i o ns i g n a l sa n dn e t w o r k r e c o g n i t o no fb ph i e r a l c h i c a l a r c h i t e c t u r e a b s t r a c t a u t o m a t i cm o d u l a t i o nr e c o g n i t i o na n dm o d u l a t i o np a r a m e t e r s e s t i m a t i o na r ek e yp r o b l e m si nn o n c o o p e r a t i v ec o m m u n i c a t i o ns y s t e m s a n ds o f t w a r ed e f i n e dr a d i o 。n o n c o o p e r a t i v ec o m m u n i c a t i o ni s o n e b r a n c ho ft h i sf i e l d ，w h i c hi s i m p o r t a n t l yu s e di n c i v i l i a na n dm i l i t a r y a p p l i c a t i o n s ，w h e r e i ti s r e q u i r e d t om o n i t o rt h ea c t i v i t i e so f c o m m u n i c a t i o ns i g n a l si ns p a c ea n di n t e r c e p tt h es i g n a l i n f o r m a t i o n c o n t e n tw i t hl i t t e p r i o rk n o w l e d g e s o f t w a r ed e f i n e dr a d i o i sak e y t e c h n i q u ei nf u t u r ec o m m u n i c a t i o n s ，w h i c hr e q u i r et h er e c e i v e rt ow o r ki n m u l t i m o d ea n dm u f t i b a n db a s e do nas a m eh a r d w a r ep l a t f o r m + s oi t i s n e c e s s a r y ，t or e c o g n i z et h em o d u l a t i o nt y p ea n de s t i m a t et h em o d u l a t i o n p a r a m e t e r sa u t o m a t i c a l l y t h em a i nw o r k si nt h i sp a p e rc a n b es u m m a r i z e d a sf n h n x v s 太甄理王大学磺士研究生学位沧文 f i r s t ：t h es a m p l e so fa l lk i n d so fd i g i t a lm o d u l a t i o n s i g n a l s a r e d e s i g n e di nt h es o f t w a r ed e f i n e dr a d i o b a s e do nt h ec o m m o nm o d e l c h a r a c t e r i s t i co fm o d u l a t i o n s i g n a l s i nt h es o f t w a r ed e f i n e dr a d i o ， s i m u l t a n e o u s l yt a k i n gi n t oa c c o u n to f t h ei d e a ls i g n a lc h a n n e la n dg a u s s w h i t en o i s es i g n a lc h a n n e l ，a l lk i n d so fd i g i t a lm o d u l a t i o ns i g n a l sa r e g a i n e dw i t hm a t l a ba l g o r i t h m ( s u c ha s2 a s k ，2 f s k ，b p s k ，4 a s k ，4 f s k ， q p s k ，8 q a m ，1 6 q a m ，3 2 q a m ，6 4 q a m ，1 2 8 q a ma n d2 5 6 q a me t c 。) t h i s s a m p l e sc a nb ed i r e c t l yu s e da st h ed a t as o u r c eo fa l lk i n d so fm o d u l a t i o n s i g n a l sa c c o m p l i s h e d ，w h i c ha r e c h a r a c t e r i s t i co fr e a l t i m e d e t e c t i n g i n s t a n t a n e o u sa m p l i t u d e ，f r e q u e n c ya n di n s t a n t a n e o u sp h a s eo fa l lk i n d so f m o d u l a t i o ns i g n a l s m e a n w h i l ei ti su n i v e r s a l c a r r i e rf r e q u e n c y ，s y m b o l r a t ee s t i m a t i o na n dt h ec h o i c eo fs a m p l i n gr a t ei nt h e n o n c o o p e r a t i v e c o m m u n i c a t i o na l ea l ls t u d i e d s e c o n d ：b a s e do nt h ep a r a m e t e r sa b s t r a c t i o no f t i m ed o m a i ns t a t i s t i c a l l e a t u r ea n df r a c t a lf e a t u r e ，t h ef e a t u r ev e c t o rs a m p l e si sf o r m e d i nt h ef i r s t p l a c e ，a n a l y z i n ga n de x t r a c t i n gt h ei n s t a n t a n e o u sa m p l i t u d e ，p h a s ea n d f r e q u e n c yo fa l l k i n d so f d i g i t a l m o d u l a t i o n s i g n a l s ，p r o c e s s i n g t h e c o r r e c t i o nc o m e b a c ko ft h ei n s t a n t a n e o u sp h a s ew i t ht h em e t h o d so f u n w r a pa n dr e m o v i n gt h el i n e a rp h a s ev e c t o r t h es i g n a lc h a n n e la n dt h e n o i s ei n f l u e n c et h es i g n a li n s t a n t a n e o u sc h a r a c t e r i s t i ct ob er e d u c e d ，a n d 太原理工大学硕士研究生学位论文 m a k et h ei n s t a n t a n e o u sf e a t u r ee x t r a c t e db ec l o s et oi d e a ls t a t e e x t r a c t i n g t h ef e a t u r eo fm o d u l a t i o nm o d e s ( a s k ，4 a s k ，2 f s k ，4 f s k ，b p s k ，q p s k ， 16 q a m ) i nam a t l a b p l a t f o r ma n dt a k i n ga c c o u n t o ft h en o i s ei n f l u e n c e o nt h es i g n a lc h a n n e l ，f e a t u r ev e c t o rs p a c ei sf o r m e dt ob ea st r a i n i n g s a m p l e so fn e u r a ln e t w o r k i nt h en e x tp l a c e ，a c c o r d i n gt o t h ew a v e c h a n g e dc h a r a c t e r i s t i co fd i f f e r e n tm o d u l a t i o ns i g n a l s ，t h ef r a c t a lf e a t u r e w i t he x c e l l e n tq u a l i t ya r ed i s t i l l e da n dt h ep e r f o r m a n c ei sa n a l y z e d t h e e x p e r i m e n ts h o w st h a tt h ea l g o r i t h mo ff e a t u r ep a r a m e t e r s e x t r a c t i o ni s c h a r a c t e r i s t i co fl i t t l ec a l c u l a t i o na n dh i g hr e c o g n i t i o nr a t e t h i r d ：a i m i n ga tt h es h o r t a g eo fs o r t i n gi nt h ed e c i s i o nt r e e ，m l pi s p u tf o r w a r dt od e s i g nt h en e u r a ln e t w o r ka n dt h ei m p r o v e db pa l g o r i t h m ( r p r o p ) i s u s e d t h i sa l g o r i t h mb r e a k st h ep a t h t h em a g n i t u d eo fp a r t i a l d e r i v a t i v ef a l l si n t od e s u e t u d ea n dt h en e t w o r kt r a i n i n gi n f o r m a t i o nw i t h t h es y m b o lo fp a r t i a ld e r i v a t i v ei su s e dt oa d j u s tn e t w o r k s oi ta v o i d st h e i n t r i n s i c a ls h o r t a g eo fb pa l g o r i t h m t r a i n i n ga n dr e c o g n i z i n gi nd i f f e r e n t g a u s ss i g n a lc h a n n e l sw i t hd i f f e r e n ts n r ，t h ee x p e r i m e n t ss h o wt h a t c o m p a r i n g w i t ht r a d i t i o n a lm e t h o d st h en e t w o r km o d e la n dt r a i n i n g a l g o r i t h md e s i g n e di nt h i sp a p e ri si m p r o v e dm u c hi nc o n v e r g e n c es p e e d ， t r a i n i n g t i m ea n d r e c o g n i t i o n r a t i o t h ei n f l u e n c eb e t w e e nd i f f e r e n t o b s e r 、，a t i o nd a t al e n g t ha n dr e c o g n i t i o nr a t i oi na l lk i n d so fs n ro fs i g n a l v i 太原理工大学硕士研究生学位论文 c h a n n e l si si n v e s t i g a t e d t h er e s e a r c hs h o w st h a tt h ep e r f o r m a n c ea n dp r a c t i c a l i t yo fr e c e i v e r a r e e f f e c t i v e l y e n h a n c e dw i t h a d o p t i n g t h e r e c o g n i t i o na l g o r i t h m a u t o m a t i c a l l ya n dp a r a m e t e r sa b s t r a c t i o na l g o r i t h mp u tf o r w a r di nt h i s p a p e r k e yw o r d s ：s o f t w a r ed e f i n e d r a d i o ，d i g i t a lm o d u l a t i o n ，f e a t u r e p a r a m e t e r s ，a n n ，r p r o pa l g o r i t h m ，m o d er e c o g n i t i o n v 工i 黉明 本人郑重声明：所黑交的学位论文，是本人在指导教币的指导下， 独立进行研究所取得的成果。除文中已经注阴弓l 用的内容外，本论文 不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究 做出重要贡献的个人和集体。均已在文中以明确方式标明。本声明的 法律责任由本人承担。 论文作者签名： 龟盘燕日期：鞠亟垒塑 关子学位论文使用权的说明 本人完全了解太原理工火学有关保管、使用学位论文的规定。其 中包括：学校有权保管、弗向有关部门送交学位论文的原件与复e | 】 件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文： 学校可允许学位论文被查阅或借阅；学校可以学术交流为目的。 复制赠送和交换学位论文；学校可以公布学位论文的全郝或部分内 容( 保密学位论文在解密后遵守此规定) o 签名一j 王数耸一一 导师签名：雌 日期：地，瓠盐一 日期：翅么生；9 太原理工大学硕七研究生学位论文 1 1 课题研究背景 第一章绪论 通信的目的是通过信道快速有效、安全准确地传输信息。为了充分利用信道 容量，满足用户的不同需求，通信信号采用了不同的调制制式。随着电子技术的 快速发展，以及用户对信息传输要求的不断提高，通信信号的调制制式经历了由 模拟到数字，由简单到复杂的发展过程【”】。 在许多应用中，人们遇到的不仅仅是协作通信问题( c o o p e r a t i v e c o m m u n i c a t i o n s ) ，还有非协作通信问题( n o n c o o p e r a t i v ec o m m u n i c a t i o n s ) 。在非协 作通信罩，接收机需要在先验知识缺乏的条件下监视通信信号的活动情况，区分 信号的性质，甚至截获其传输的信息内容。例如，政府有关职能部门要监视民用 通信信号，以实现干扰识别和电磁频谱管理，防止对无线频谱的非法利用和干扰， 保证合法通信的正常进行；在军事应用中，通信情报系统作为通信电子战的电子 支援措施之一，用来监视战场的电磁频谱活动，进行威胁识别，帮助选择电子干 扰策略，直至截获敌方的有用情报。 调制制式是区分不同性质的通信信号的一个重要特征。要截获通信信号的信 息内容，必须要首先知道信号的调制制式和调制参数。给定一段接收的通信信号， 调制识别的目的就是在未知调制信息内容和调制参数的前提下，判断出通信信号 的调制制式，并给出相应的调制参数，为解调器j 下确选择解调算法提供参数依掘， 最终获得有用的信息内容。 近年来一直成为理论研究和工程实现热点的软件无线电技术 ( s o f t w a r e r a d i o ) 降”，最终的目的就是设计出一种通信“网桥”，让使用不同传输体 制和传输速率的通信设备之日j 能够相互通信，实现信息资源的最佳利用。所谓软 件无线电，它是一种由软件定义的电台，即在一个通用的基本平台之上，以各种 软件功能模块实现的无线电通信设备。软件无线电彻底摆脱了面向用途的设计思 太原理工大学硕士研究生学位论文 想，把无线通信设备各种功能的实现从硬件方式转向软件方式。软件无线电体系 结构的开放性，硬件单元的模块化、标准化及设备的可编程性，使其具有非常强 的适应性。 通过软件无线电实现通信“网桥”的功能，必须要首先识别出信号发射方的 调制制式和调制参数，对其发送的信息进行解调，然后按照接收方采用的调制制 式，对有用信息进行再调制并转发至接收方。这里，正确识别收发双方的调制制 式和调制参数，是保证信息无误转发的先决条件。 在软件无线电平台的基础上研制能够自动识别通信信号的调制制式和调制参 数，就是最好的技术途径，并可以实现多种调制制式解调的新型通信信号接收设 备。随着数字信号处理( d s p ) 技术的飞速发展和计算机、数字信号处理器运算能 力的飞速提高，实现这种设备是可行的，也是可能的。 本论文就是在这一背景下，研究通信信号的调制制式、调制参数自动估计、 在高斯信道环境下使用神经网络实现的自动识别。 1 2 课题研究的目的和意义 最早的通信信号调制方式的自动识别的主要任务是无线电频谱监控、电子侦 察，通信对抗等领域。尤其是在军事通信对抗中，通信信号的自动识别显得更为 藿要。在通信情报中，为选择信源解调和恢复方式并完成接收所截获信号提供正 确的信号解调方式；在电子侦察与信号情报中，为判断身份属性，进而评估其威 胁程度提供参数；在电子对抗巾，为选择干扰样式提供参数。随着近年来通信技 术的发展，各种调制方式的信号越来越多，无线通信环境同益复杂，通信信号在 很宽的频带上采用不同调制参数的各种调制样式。以往靠手工识别的方法，即由 通信操作员借助示波器、频谱仪、各种解调器等，凭借操作经验进行分析判断己 经表现出速度慢、准确性差，完全不能适应现代电子战争和当代信息时代的需要。 通信信号调制识别技术是实现这些非合作通信任务的关键技术之一。 另外，数字通信的快速发展形成了多种通信体制并存的局面，而且这些通信 体制的调制方式和接入技术各不相同，给多体制日j 的通信互联带来了很大的障碍。 2 日# ”_ _ “ 太原理工大学硕士研究生学位论文 通信信号调制识别技术能够自动地识别通信信号的调制方式，它是构成基于软件 无线电的通用接收机和智能调制解调器的重要技术基础，在多体制通信互联和软 件无线电方面有着十分重要的应用。 软件无线电的基本思想是构建一个通用的标准硬件平台，用软件来实现尽可 能多的无线通信功能。其目标是实现多波段、多体制、多制式的通用式的接收和 发送，达到通信设备之间的互联互通。在一个实际的软件无线电实现的移动通信 系统中，为了保证正常的通信，系统应能够动态的监控信道的质量，动态分配信 道。同时，工作中的移动台和基地台要能够判断它正在接收的信号是什么标准、 什么协议。对于可以使用于多种制式的软件无线电系统来说，接收机要知道它正 在接收的是哪一类信号( 发射机要根据信道情况选择用哪一类信号发射) 。对于一 个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式及其信号参 数，如信号带宽，传输串等等。传统的通信系统是针对于特定的调制样式，特定 的带宽的单一型系统，一旦硬件固定，其参数也就固定了，所以，其应用范围非 常有限，很不适应现在的多调制，多服务的通信系统。可以说，传统的通信系统 有许多不足，它的这种事先约定性给它的功能扩展带来了不便。软件无线电要解 决的也是这种事先约定性，它具有多功能，多调制，多频段的特性。由于多调制 的存在，就要有自动的多调制的识别方法，只有能自动的识别出信号的调制方式， j 能准确的进行解调，并根据业务需要决定下一步的处理。所以，信号调制方式 的自动识别是软件无线电中必须具备的功能之一。 1 3 软件无线电的概念 1 9 9 2 年5 月m i l t r e 公司科学家j e om i t o l a 在美国电信系统会议上首次明确 提出了软件无线电s w r ( s o f t w a r e r a d i o ) 的概念。它是针对世界范围内无线电通信领 域所存在多体系并存，而且不同体系问的通信设备彼此互不兼容，互通性较差， 无法制定统一的标准等问题而提出的。其基本思想是：构造一个具有丌放性、标 准化、模块化的通用硬件平台，将各种功能，如工作频段、调制解调类型、数据 格式，加密模式、通信协议等用软件来完成，并使宽带d 和d a 转换器尽可能 3 太原理工大学硕士研究生学位论文 靠近天线，以研制出具有高度灵活性、开放性的新一代无线通信系统。 1 9 9 5 年5 月，i e e e 通信杂志出版了软件无线电的专辑，进一步阐述了软件无 线电的体系结构，并预测了软件无线电的开发成本和未来发展方向，综述了数字 信号处理器的结构特点，以及软件无线电所用的多处理器结构中处理器问进行通 信的基本原理，并为软件无线电关键技术，包括射频前端技术、宽带模数模技术、 高速信号处理技术等的研究提供了理论基础。1 9 9 6 年发起m m i t s ( 模块化多功能 信息变换系统) 论坛。1 9 9 8 年g s m m o u 的软件无线电版本作为向3 g 演进的可能。 从1 9 9 9 年丌始由理想的s w r 转向与当前技术发展相适应的软件无线电，即软件 定义的无线电( s d r ，s o f t w a r ed e f i n e dr a d i o ) 。1 9 9 9 年4 月i e e ej s a c 出版了一期 关于软件无线电的选集。同年，无线电科学家国际联合会在日本举行软件无线电 会议。此外i e i c e 成立研究软件无线电技术工作组。同年成立亚洲s d r 论坛。1 9 9 9 年以后，集中关注使s d r 的3 g 成为可能的问题。军事通信的需求和民用通信的 需求是软件无线电技术进步与发展的巨大驱动力。 软件无线电的主要特点可以归纳如下： 第一，具有较强的丌放性。软件无线电由于采用了标准化、模块化的结构， 其硬件可以随着器件和技术的发展而更新或扩展，软件也可以随需要而不断升级。 软件无线电不仅能和新体制电台通信，还能与旧体制电台兼容。这样，既能延长 | f 1 体制电台的使用寿命，也能保证软件无线电本身有很长的生命周期。 第二，具有很强的灵活性。软件无线电将a d 变换尽量向射频端靠拢，将中 频以下全部进行数字化处理，以使通信功能由软件来控制，因此软件无线电可以 通过增加软件模块，很容易增加新的功能。可以与其他任何电台进行通信，并可 以作为其他电台的射频中继。可以通过无线加载来改变软件模块或更新软件。为 了减少丌支，可以根据所需功能的强弱，取舍选用的软件模块。 软件无线电具有灵活性、可扩展性等主要特点，主要是因为软件无线电的所 有功能都是用软件来实现( 定义) 的，通过软件的增加、修改或升级就可以实现 新的功能。可以说，功能的软件化足软件无线电的最大优势之一 4 n-_-_-_”_w_-_一_。w_-_mh_。-_-_-_hm_-_-_h_-_-_h-_-_-_-_。_“-_一 太原理工大学硕士研究生学位论文 1 4 自动调制识别技术 从国内外发表的文献中可以看出，通信信号的自动调制识别理论正在受到1 7 益增长的重视，特别是在低信噪比条件下调制方式的识别问题。各种现代信号处 理技术，包括谱相关理论，高阶统计量【4 3 】、人工神经网络【”l 、小波理论等都f 在或已经被应用到该理论的研究中。随着软件无线电技术的发展，该领域的研究 更加迫切。自动调制识别方法在软件无线电中的应用【4 6 1 ，这方面的文章和研究还 不多。如何将调制识别方法与软件无线电的解调方法相结合，同时实现信号的自 动接收和解调，是实现软件无线电的关键技术之一。从查阅的资料表明，在这一 领域的研究仍处在各抒己见的阶段，还没有获得公认的十分有效的通用识别算法。 1 4 1 自动调制识别技术的发展过程 早期的调制识别方法是采用一系列不同调制方式的解调器，接收的高频信号 经变频为中频后，借助示波器、频谱仪、各种解调器等，人为地判定调制方式。 这种人工参与的识别方法，识别效率低，而且所能识别的调制类型也很有限。 1 9 6 9 年4 月，c s w a v e r 等四名作者在斯坦福大学技术报告上发表了第一篇研 究自动调制识别的论文采用模式识别技术实现调制类型的自动分类。此后，不 断有研究调制识别技术的论文出现在各类技术刊物上。 到目前为止，主要的识别方法有两类：一类是决策理论方法，另一类是统计 模式识别方法1 8 l 。 决策理论方法在决策理论的框架内，用概率和复合假设检验的观点研究调制 识别问题，获得分类器的判决准则。采用这种方法的分类器在最小化平均代价函 数的意义上是最优的。分类器的性能可以由一定信噪比下正确判决的概率表示。 但是，即使对于简单的调制方式分类，最优判决准则的推导也是很困难的。 统计模式识别方法是由经典模式识别理论的特征抽取概念而束的，识别系统 一般可分为两部分：特征抽取部分和类型识别部分。特征抽取 3 4 1 部分是从原始数 掘中抽取对调制识别有用的信息，它可视为一种映射关系，即从输入的信号序列 映射到选定的特征空日j 。类型识另0 部分的主要功能是削断信号调制类型的从属关 5 太原理1 = 大学硕士研究生学位论文 系。但统计模式识别方法通常是基于无噪声干扰假设，进行特征抽取。若为大信 噪比情况，特征明显，易于提取，能有较好的识别性能；而在低信噪比时，特征 模糊，则难于提取，识别效果较差。 传统的使用模式识别方法的识别器都需要很长的信号持续时间，因此处理时 间可能很长，所以一般在离线分析中使用该种算法。此外，如果遇到新的调制方 式，传统的方法不能自动完成对新出现调制方式的识别。随着人工神经网络( a n n ) 研究的不断深入，其应用范围也同益扩大。神经网络所具有的信息分布式存储、 大规模自适应并行处理和高度的容错性等特点，是用于模式识别的基础。特别是 其学习能力和容错性对不确定性模式识别具有独到之处。可用于模式识别分类的 神经网络主要包括：b p 网络【2 0 】1 1 9 【3 9 】【4 8 1 ，r b f 网络1 4 4 1 【4 7 1 ，s o f t 网络，模糊神 经网络，h o p f i e l d 网络等。而在人工神经网络的实际应用中，b p 网络广泛应用与 函数逼近、模式识别分类、数据压缩等，8 0 9 0 的人工神经网络模型是采用 b p 网络或它的变化形式，它也是前溃网络的核心部分，体现了人工神经网络最精 华的部分。 下面对国内外发表的关于调制识别的文献进行说明。 在1 9 9 5 年一1 9 9 8 年的三年问，e e a z z o u z 和a k n a n d i 皿l l l 发表了多篇文章， 利用他们提出的七个特征，分别采用决策理论、神经网络和神经网络级联的方法 对模拟信号集( a m ，d s b ，v s b ，l s b ，u s b ，f m ，a m f m ) 、数字信号集( 2 a s k ， 4 a s k ，2 f s k ，4 f s k ，2 p s k ，4 p s k ) 以及模拟数字联合进行分类识别，在信噪比 大于1 0 d b 时，具有良好的识别效果。 m l d w o n g ，a k n a n d i i ”l 采用瞬时参数和统计量作为识别特征，用多层感知 器神经网络作为分类器对数字调制信号进行了识别，在1 0 d b 时，j 下确识别率达到 9 9 8 。 a w g a r d n e r l i 5 i 等提出用谱相关分析方法揭示不同调制方式信号的不同周 期特征，并以此束区分信号的调制类型。谱相关识别方法具有分辨率高，抗干扰 能力强等特点，周期谱除了能分离和识别信号外，还能通过检测周期谱的幅度、 位移等特征来测定载波、脉冲速率及相位信息等。谱相关识别方法是调制信号频 6 _ 一_ _ _ m _ _ _ - t h _ _ _ _ h _ _ _ _ _ _ _ _ 一_ _ _ ”_ _ - 。_ _ - - _ w _ _ _ _ _ _ - _ _ _ 一_ h _ _ _ _ _ _ _ _ _ _ _ _ _ _ “_ ”。一。 太原理工大学硕士研究生学位论文 域分析方法中研究较多的种方法。它的缺点是计算量大。 c h a n 和g a d b o i s l l 6 1 根掘信号包络特点，提出采用信号包络方差与信号均值平 方之比r ，以及瞬时频率绝对值的均值作为分类特征参数。 a n a n t h r a ms w a m i i l 采用四阶累积量对2 p s k 、4 p a m 、1 6 q a m ，8 p s k 采用判 决树方法进行了识别，在1 0 d b 时，识别币确率三9 5 1 ，并提出了采用二阶和四 阶累积量，基于判决树方法的分层结构分类器。 还有提出利用接收到的信号建立星座图【l8 】的方法来识别数字调制方式。其它 主要的识别方法还有的过零点识别方法，周期谱识别方法等等。直接基于软件无 线电架构下的通信信号调制方式的自动识别的研究发表的文章不是很多，但是基 本的方法是一样的。近几年来，人们又将神经网络技术，小波变换技术、高阶谱 分析技术与调制识别技术相结合，提出了许多新型的调制识别方法。 萋 1 4 2 一般调制样式识别过程的框架结构 通信信号调制样式识别方法虽然多种多样，但调制识别问题实际上是一种典型 的模式识别问题，其一般过程如图1 - 1 所示。 4 调制 信号 图1 一i 一般调制样式识别过程的框架结构 f i g 1 - 1t h ef r a m es t r u c t u r ec o m m o n l ym o d u l a t i o nm o d er e c o g n i t i o np r o c e s s 调制识别过程的基本框架包括三部分：信号预处理部分、特征提取部分和分 类识别部分。信号预处理部分的主要功能是为后续处理提供合适的数掘；特征提 取部分是从输入的信号序列中提取对调制识别有用的信息；分类识别部分的主要 功能是判断信号调制类型的从属关系。此类方法在识别系统的构建过程中需要一 定数量的各类调制信号样本，其性能评价一般采用各种信噪比条件下的正确识别 率。 信号预处理任务一般包括：频率下变频、同相和正交分量分解、载频估计和 载频分量的消除等。在多信道多发射源的环境中，信号预处理部分要能有效地隔 7 太原理t 人学硕士研究生学位论文 离各个信号，保证一次只有个信号进入后续的调制识别环节。 特征提取部分是从数据中提取信号的时域特征或变换域特征。时域特征包括 信号的瞬时幅度、瞬时相位或瞬时频率的直方图或其它统计参数。变换域特征包 括功率谱、谱相关函数、时频分布及其它统计参数。对于变换域特征，采用f f t 方法就能很好的获取，而幅度、相位和频率等时域特征主要由h i l b e r t 变换法，同 相正交( i q ) 分量法和过零检测法等获得。 在分类识别部分，即选择和确定合适的判决规则和分类器结构，主要采用决 策树结构的分类器和神经网络结构的分类器。决策树分类器采用多级分类结构， 每级结构根掘一个或多个特征参数，分辨出某类调制类型，再下一级结构又根掘 一个或多个特征参数，再分辨出某类调制类型，最终能对多种类型进行识别。这 种分类器结构相对简单，实时性好，但需要事先确定判决门限，自适应性差，适 合分类特征参数区分很好的信号识别。神经网络分类器具有强大的模式识别能力， 能够自动适应环境变化，能较好处理复杂的非线性问题，而且具有较好的稳健性 和潜在的容错性，可获得较高的识别率，但识别i ；i 对神经网络的训练需要一定的 时问，其计算量大、实时性差。 为了有效地实现分类识别，必须对原始的输入数掘进行变换，得到最能反映 分类差别的特征。这些特征的提取和选择是非常重要的，它直接影响分类器的设 计和倒能。理想情况下，经过提取和选择的特征矢量应对不同的调制类型具有明 显的差别，然而在实际中却不容易找到那些具有良好分辨率的特征，或受条件限 制不能对它们进行测量，从而使特征提取和选择的任务复杂化，因而特征提取和 选择是信号调制识别系统中首要和基本的问题。分类识别是依据信号特征的观测 值将其分到不同类别中去，选择和确定合适的判决规则和分类器结构，也是信号 调制识别系统中的重要内容。 1 4 3 自动调制识别技术新要求 如何将调制识别方法与软件无线电的解调方法相结合，同时实现信号的自动 接收和解调，是实现软件无线电的关键技术之一，具有重要的应用前景。软件无 线电对自动调制识别技术提出了更高的要求，要求寻求一种结构清晰，简单快速， 8 ，。镕。_ _ _ 一_ - 一 太原理工大学硕士研究生学位论文 可扩充性强，有可取识别率，识别范围广，能适用于复杂多变的环境背景的识别 方法，还要适合通用d s p 器件在线实现，以f 蔺足实时处理的需要。 1 5 本文主要内容简介 在做课题期i a 】，作者阅读了有关软件无线电、数字调制技术、自动调制识别 技术、数字信号处理、模式识别、神经网络、通信系统仿真等方面的文献。并在 此基础上对现有的软件无线电中调制方式的自动识别算法实施了改进并得到了较 为理想的效果。 本文共分五章： 第一章是绪论。主要阐述了本课题的研究背景、目的和意义，软件无线电的概 念及特点，自动调制识别的发展过程和一般调制识别的框架结构以及国内外文献 的研究现状，针对目前调制识别的研究现状提出了新的要求。最后介绍本文的主 要工作。 第二章是神经网络模型与b p 算法。阐述了神经网络方法分类器的理论基础， 包括神经网络模型、工作方式以及多层感知器( m l p ) 神经网络，并对b p 网络的 设计、b p 算法的改进进行了分析，并详细讨论了改进b p 算法r p r o p 算法。 最后说明了数字通信信号识别中神经网络应用问题。 第三章是软件无线电中调制识别的预处理部分。基于软件无线电的体系结构， 在调制信号模型通用结构下采样正交实现算法产生了软件无线电中常用的调制信 号。讨论了软件无线电接收机的数学模型，以及在此模型中调制信号提取瞬时特 征的提取方法。关于调制识别前需要的载频估计，信号采样率的选择以及符号速 率的估计作了实验验证。 第四章是基于时域统计特征和分形特征的参数提取。使用m a t l a b 编程形成 数字调制信号样本集，利用希尔波特变换提取瞬时特征参数，并对瞬时相位进行 了去卷叠去线性相位分量处理，根掘瞬时参数的不同提取能够区分2 a s k 、2 f s k 、 b p s k 、4 a s k 、4 f s k 、q p s k 和m q a m 的统计特征并进行自动分类识别。由于本 文主要在高斯白噪声环境下讨论识别率问题，所以在理想信道和高斯白噪声信道 9 辛 太原理c 人学硕十研究生学位论文 环境下，给出了瞬时特征以及统计特征参数仿真实验图形并生成了数据样本集。 最后用分形特征进行了参数提取。本章是下一章神经网络识别的网络输入部分， 特征参数提取的优良程度直接影响识别率的高低。 第五章是基于神经网络的数字通信信号调制识别。首先提出了统计模式识别的 方案，然后具体阐述了识别方法的实现步骤，包括数字信号建模，特征参数提取， 网络设计及训练识别。鉴于判决树分类方法的不足，提出分层结构的m l p 神经网 络分类器，最后使用改进的b p 算法躲p r o p 算法对网络进行了训练测试。最 后根据观测数据的不同分别作了识别率仿真实验，给出了实验结果并进行分析。 “一4 一 l o ； 9_h_h“_， 太原理工大学硕士研究生学位论文 第二章神经网络模型与b p 算法 人工神经网络是在现代神经学研究成果的基础上发展起来的。人工神经网络 1 2 2 2 副是一种模仿人脑信息处理机制的网络系统，它是由大量简单的人工神经元广 泛连接而成的；它虽不是人脑神经系统的逼真复制，但确实反映了人脑功能的若 干特性，可以完成学习、记忆、识别和推理等功能。 2 1 神经网络简介 神经网络控制1 2 5 1 1 2 6 1 2 8 1 是8 0 年代以来，在人工神经网络( a n n ) 研究取得突破性 进展的基础上，发展起来的自动控制领域的前沿学科之一。它是智能控制领域的 一个新的分支，为解决复杂的非线性、不确定性、不确知系统的控制问题开辟了 一条新的途径。 人工神经网络是一个具有高度非线性的超大规模连续时问动力学系统。其最 主要的特征是连续时间非动力学、网络的全局作用、大规模并行分布处理及高度 的鲁棒性和学习联想能力。同时它又具有一般非线性动力系统的共性，即不可测 性、吸引性、耗散性、非平衡性、不可逆性、高维性、广泛连接性和自适应性等。 因此，它实际