您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 信息化管理 > 对于随机信号模式分类的相关算法综述
对于随机信号模式分类的相关算法综述关键字:分类识别,ASK,PSK,FSK,调制,解调。一:在通信中随机信号的模式分类相关背景及定义:调制信号识别是信号检测和信号解调之间的重要步骤,它的目的就是在没有其他先验知识的情况下,通过对接收信号的处理,判断出信号的调制方式,并估计出相应的调制参数。其主要在两方面得到了应用:一方面是软件无线电系统,保证不同体制通信系统之间实现互通互联;二是电子战系统,为截获信息和选择最佳干扰样式提供依据。调制方式是区别不同性质通信信号的一个重要特征。对于接收信号,要想正确解调,分析接收信号或者进行干扰,必须能够正确识别信号的调制方式,然后采取相应的解调方法或干扰方法。识别过程:信号预处理特征提取分类识别调制信号信号的预处理:•信号预处理部分的主要功能是为后续处理提供合适的数据;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。•频率下变频、载频估计、同相正交分量分解等。•在多发射源环境中,隔离各个信号,保证一次只有一个信号进入后续的调制识别环节。特征提取:•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特征参数或其它统计参数。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。分类识别:•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。识别方法:•基于基本时域、频域和功率谱特征的方法•基于小波理论的方法•基于分形理论的方法•基于信号的星座图的方法•基于混沌理论的方法•基于复杂度理论的方法•基于人工神经网络的方法④基于窗口平均频率算法的调制信号识别系统组成:信号截取与采样判断是否为噪声计算时频分布时频分布滤波特征识别否是算法思想:•用一个宽度为N的矩形窗去截取采集到的已离散化处理的信号x(n),得到N点数据,对这N点数据进行离散傅里叶变换(DFT)得到这N点数据的频谱。•计算窗口内平均频率。•获得时频分布曲线。•滤除算法产生的交叉干扰。•该算法通过移动窗口来截取信号,并计算窗口内信号平均频率来获得信号的时频分布,具有算法简单、运算速度快的特点。•ASK、FSK、PSK等数字调制信号均为非平稳的随机信号,在时频分布上存在着差异,若采用移动窗口平均频率算法对数字调制信号进行时频分析,再根据信号时频分布的差异识别调制信号类型一方面可以显著提高系统的实时性;另一方面,由于对时频分布曲线进行了滤波处理,能够提高信号识别的抗干扰性能和识别精度。优点与不足:•算法简单,速度快,宜运用于实时性要求较高的场合。•窗口宽度N与抽样频率对移动窗口平均频率算法的性能有较大的影响,若选择不合适,会产生一定的分析误差。如何合理选择N和抽样频率还有待进一步研究。•其仿真验证是是在二进制信号上进行,识别类型少,有很大局限性。特征提取:•谱宽因子:用来来区分ASK信号和FSK,PSK及QAM信号。•短时频谱峰数:可以区分2FSK信号、4FSK和PSK及16QAM信号,对2FSK为2,对4FSK为4,而对PSK和16QAM信号为1。•短时相位峰数:反映了信号中的相位数。可区分BPSK、QPSK、8PSK和16QAM信号。在0~2π间,BPSK信号有2个峰,QPSK和16QAM有4个峰,而8PSK有8个峰。•零中心归一化非弱信号段的标准偏差,可区分PSK和QAM信号,设定适当门限加以识别。2211ntntacncnaiaaiaaiaiCC•零中心归一化瞬时幅度绝对值的标准偏差,用来区分2ASK信号和4ASK信号,对2ASK,该值为0;对4ASK,该值不为0。221111cnNNaacniiaiaiNN⑤基于信号时域瞬时统计特性的一种通用识别方法•基本思想:在AWGN信道下,通过分析信号时域特征和频域功率谱特征,并结合前人的研究成果,给出一组性能稳健的、具有高识别率的特征参数。利用这些参数先进行调制信号四种基本调制类型的分类,再利用具体算法进行调制阶数的识别。•特征提取:•归一化瞬时幅度功率谱密度最大值max2maxmaxa=cnFFTiN其中N为样点数,cnai为中心归一化瞬时幅,1cnaiaEai。该特征参数能够充分反映调制信号的幅度变化,可以用该参数来区分开ASK/QAM和FSK/PSK调制信号。判决门限:max5dB,可区分ASK/QAM和FSK/PSK调制信号。•归一化中心瞬时频率的四阶矩紧致性42f。44222nfnEftEftnft是归一化中心瞬时频率,ft为信号的瞬时频率,该参数反映瞬时频率变化的特征量,可用来区分FSK和PSK调制信号并辅助进行MFSK调制阶数M的识别。•归一化中心信号的四阶矩紧致性42s44222nsnEstEst其中sn(t)是归一化中心信号,maxnststst该参数可将ASK、QAM和FSK/PSK三者分开。⑥方法与总结:仿真结果中得出,在SNR从0~20dB整个范围内都有很高的识别率,也即本方法对噪声不敏感。仅当SNR=0dB时,由于瞬时幅度受噪声影响大,造成对2ASK和4ASK的识别率降低,但仍达到90%以上。而对其它调制方式的信号识别率都在97%以上。该方法有很高的识别率和抗干扰能力,有较好的工程应用价值。
本文标题:对于随机信号模式分类的相关算法综述
链接地址:https://www.777doc.com/doc-2465743 .html