基于瞬时特征和BP神经网络的数字调制信号自动识别及实现

发布时间：2022-11-04 17:36

　　在非协作通信环境下,针对2ASK、4ASK、2FSK、4FSK、BPSK、QPSK六种常规数字调制信号,采用了基于瞬时统计特征的信号自动分类算法对上述六种信号进行分类识别。仿真结果表明,该算法在信噪比大于15dB时,总体识别率高于90%;随着信噪比减小,信号识别率下降明显。当信噪比低于5dB时,信号识别率不足60%。为提高低信噪比下信号识别率,进一步引入BP神经网络作为分类器,采用自适应学习速率梯度下降法训练神经网络,设计了基于BP神经网络的数字调制信号自动识别方案。最后在软件无线电设备NI-USRP 2920上实现了该方案,并验证了性能。实测结果表明,六种数字调制信号正确识别率均高于91%。 

【文章页数】：6 页

【文章目录】：
0 引言
1 基于瞬时信息的特征参数提取
    1.1 零中心归一化瞬时幅度的谱密度最大值γmax
    1.2 零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σap
    1.3 零中心非弱信号段瞬时相位非线性分量的标准差σdp
    1.4 零中心归一化非弱信号段瞬时频率绝对值的标准差σaf
    1.5 零中心归一化瞬时幅度绝对值的标准偏差σaa
2 识别过程
    2.1 分类器流程图及仿真结果分析
    2.2 BP神经网络介绍及仿真结果分析
3 基于USRP的数字调制信号自动识别方案实现及性能分析
    3.1 信号识别的实现
    3.2 结果分析
4 结语


【参考文献】：
期刊论文
[1]基于神经网络的数模混合信号调制识别算法[J]. 牛国庆,姚秀娟,闫毅,王春梅.  计算机工程. 2016(04)
[2]数字调制信号的神经网络识别方法[J]. 黄春琳,邱玲,沈振康.  国防科技大学学报. 1999(02)

硕士论文
[1]基于LabVIEW的典型通信信号调制、参数识别及模拟实验研究[D]. 卜婷.南京理工大学 2012
[2]数字通信信号自动调制识别中的分类器设计与实现[D]. 阙隆树.西南交通大学 2010
[3]通信信号调制分类识别与参数提取技术研究[D]. 卢璐.西安电子科技大学 2010



本文编号：3701043