調(diào)制識別SVM分類器基于CPU的軟件無線電碩士論文

1、基于CPU軟件無線電的調(diào)制方式識別方法研究【摘要】 調(diào)制識別的目的就是在信號先驗(yàn)知識缺乏的條件下,判斷信號的調(diào)制方式,并給出相應(yīng)的調(diào)制參數(shù)。隨著通信技術(shù)的飛速發(fā)展,通信信號的調(diào)制樣式更加復(fù)雜多樣化,對調(diào)制識別技術(shù)的要求也越來越高。本文研究目的是以提取特征參數(shù)盡可能簡單、識別信號種類盡可能多的原則實(shí)現(xiàn)調(diào)制方式識別,主要研究內(nèi)容有:1.提出了一種基于信號中頻特征參數(shù)與高階累積量結(jié)合的調(diào)制識別算法。該算法提取了三個中頻特征參數(shù)與三個高階累積量構(gòu)成的特征參數(shù),再結(jié)合基于決策樹的SVM分類器對11種常見的數(shù)字調(diào)制信號進(jìn)行識別,當(dāng)信噪比不低于10dB時,信號平均正確識別率達(dá)99.1%以上。該算法克服了單純

2、使用高階累積量的算法無法識別某些信號以及要求信號樣本數(shù)較多的缺點(diǎn),保留了使用高階累積量總體識別種類較多的優(yōu)點(diǎn)。2.提出了一種基于信號譜分析的調(diào)制識別算法。該算法在對信號譜及其四次方譜進(jìn)行分析的基礎(chǔ)上,提取了一組對噪聲以及信號參數(shù)(如信息速率、采樣頻率、相位抖動等)不太敏感的簡單有效的特征參數(shù),再利用基于決策樹的SVM分類器對10種常見數(shù)字調(diào)制信號進(jìn)行識別,當(dāng)信噪比不低于5dB時,信號平均正確識別率達(dá)98.8%以上。3.給出了在通用CPU的軟件無線電. 更多還原【Abstract】 The modulation recognition is aimed to decide the mo

3、dulation type and estimate the modulation parameters without any prior knowledge on signals. With the rapid development of communication technology, the modulation schemes of communication signals become more and more complicated and various, so it requires more and more to modulation recognition te

4、chnology.Based on the principle of using simpler feature parameters to recognize more signals, recognition is realized in this thesis. The main cont. 更多還原 【關(guān)鍵詞】 調(diào)制識別； SVM分類器； 基于CPU的軟件無線電； 【Key words】 Modulation Recognition； SVM Classifier； Software Radio based on CPU； 摘要 3-4 Abstract 4 第一章 緒論 7

5、-11 1.1 研究的背景 7-8 1.2 調(diào)制識別的國內(nèi)外研究現(xiàn)狀 8-10 1.2.1 最大似然假設(shè)檢驗(yàn)方法 8-9 1.2.2 統(tǒng)計模式識別方法 9-10 1.3 論文主要研究內(nèi)容及結(jié)構(gòu) 10-11 第二章 調(diào)制識別基礎(chǔ) 11-19 2.1 主要數(shù)字調(diào)制方式 11-16 2.1.1 M進(jìn)制振幅鍵控信號(MASK) 11-12 2.1.2 M進(jìn)制頻移鍵控信號(MFSK) 12-13 2.1.3 M進(jìn)制相移鍵控信號(MPSK) 13-14 2.1.4 最小移頻鍵控調(diào)制信號(MSK) 14-15 2.1.5 M進(jìn)制正交幅度調(diào)制信號(MQAM) 15-16 2.2 信號預(yù)處理 16-17 2.3

6、 本章小結(jié) 17-19 第三章 中頻特征參數(shù)與高階累積量結(jié)合的調(diào)制識別 19-35 3.1 信號的高階累積量分析 19-22 3.1.1 高階累積量定義 19-20 3.1.2 信號模型 20 3.1.3 數(shù)字調(diào)制信號的高階累積量分析 20-22 3.2 信號的中頻特征參數(shù) 22-25 3.3 SVM分類器 25-29 3.3.1 二分類支持向量機(jī)原理概述 26-27 3.3.2 SVM多類分類器設(shè)計 27-28 3.3.3 SVM多分類器參數(shù)的確定 28-29 3.4 仿真分析 29-33 3.4.1 SVM調(diào)制識別步驟 30 3.4.2 識別流程圖 30-31 3.4.3 仿真結(jié)果 31-

7、33 3.5 本章小結(jié) 33-35 第四章 基于信號譜分析的調(diào)制識別 35-51 4.1 信號譜特征 35-38 4.1.1 巴賽瓦爾定理 35-36 4.1.2 信號譜特征參數(shù) 36-38 4.2 信號的包絡(luò)方差系數(shù) 38-39 4.3 信號的四次方譜特征 39-43 4.3.1 2/4/8PSK的四次方譜 39-41 4.3.2 信號8/16QAM的四次方譜 41-42 4.3.3 基于信號四次方譜的特征參數(shù) 42-43 4.4 仿真分析 43-48 4.4.1 識別流程 43-44 4.4.2 仿真結(jié)果以及算法性能分析 44-48 4.5 算法比較分析 48-49 4.6 本章小結(jié) 49-51 第五章 基于CPU的軟件無線電系統(tǒng)的實(shí)現(xiàn)方案 51-57 5.1 調(diào)制識別系統(tǒng)的硬件實(shí)現(xiàn)平臺 51-52 5.2 調(diào)制識別系統(tǒng)的軟件實(shí)現(xiàn)方案 52-56 5