基于ICA和特征提取的MIMO信号调制识别算法

发布时间：2020-12-18 06:19

　　针对非协作通信中多输入多输出(MIMO)信号的盲调制识别,该文提出一种基于独立分量分析(ICA)和特征提取的调制识别算法。根据空分复用MIMO系统各发送天线上信号的独立性,利用ICA算法从接收的混合信号中分离出发射信号。为实现全盲条件下的调制识别,在进行ICA分离前,利用最小描述长度(MDL)准则估计发射天线数。在得到发射信号之后,首先利用6阶累积量、循环谱和4次方谱算法构造4个特征参数,然后利用分层结构的神经网络分类器识别信号的调制类型。仿真结果表明,所提方法可在较低信噪比下对{2PSK, 2ASK,2FSK, 4PSK, 4ASK, MSK, 8PSK, 16QAM}8种MIMO信号进行有效识别,当发送天线数为2、接收天线数为5、信噪比为2 dB时,识别率可达到98%以上。 

【文章来源】：电子与信息学报. 2020年09期 北大核心

【文章页数】：8 页

【部分图文】：

图1分层结构的神经网络分类器

那榭鱿拢?当时，各信号的识别率均超过98%；在的情况下，当时，各信号的识别率也均超过98%。比较表2—表4中的数据可以发现，在相同的下，当与的差值越大表2Nt×Nr=4×5时的识别率(%)调制类型–2dB0dB2dB4dB6dB8dB10dB2PSK80.685.789.594.097.098.81002ASK82.487.392.095.297.099.31002FSK89.093.094.897.31001001004PSK89.493.096.998.298.81001004ASK85.087.090.296.0100100100MSK88.592.496.098.399.51001008PSK91.095.097.899.010010010016QAM87.092.395.698.2100100100图5特征参数T1随SNR的变化曲线图6特征参数T2随SNR的变化曲线图7特征参数T3随SNR的变化曲线图8特征参数T4随SNR的变化曲线第9期张天骐等：基于ICA和特征提取的MIMO信号调制识别算法2213

98%；在的情况下，当时，各信号的识别率也均超过98%。比较表2—表4中的数据可以发现，在相同的下，当与的差值越大表2Nt×Nr=4×5时的识别率(%)调制类型–2dB0dB2dB4dB6dB8dB10dB2PSK80.685.789.594.097.098.81002ASK82.487.392.095.297.099.31002FSK89.093.094.897.31001001004PSK89.493.096.998.298.81001004ASK85.087.090.296.0100100100MSK88.592.496.098.399.51001008PSK91.095.097.899.010010010016QAM87.092.395.698.2100100100图5特征参数T1随SNR的变化曲线图6特征参数T2随SNR的变化曲线图7特征参数T3随SNR的变化曲线图8特征参数T4随SNR的变化曲线第9期张天骐等：基于ICA和特征提取的MIMO信号调制识别算法2213

【参考文献】：
期刊论文
[1]基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别[J]. 郭立民,寇韵涵,陈涛,张明.  电子与信息学报. 2018(04)
[2]基于MWC压缩采样宽带接收机的雷达信号脉内调制识别[J]. 陈涛,柳立志,郭立民.  电子与信息学报. 2018(04)
[3]基于高阶累积量的调制识别算法的研究[J]. 张利,李青.  信息工程大学学报. 2017(04)
[4]基于高阶累积量和小波变换的调制识别算法[J]. 谭晓衡,褚国星,张雪静,杨扬.  系统工程与电子技术. 2018(01)
[5]基于高阶累积量和循环谱的信号调制方式混合识别算法[J]. 赵雄文,郭春霞,李景春.  电子与信息学报. 2016(03)
[6]MIMO信号调制方式盲识别[J]. 张路平,王建新.  应用科学学报. 2012(02)
[7]空时分组码通信中的一类ICA盲检测方案[J]. 许宏吉,刘琚,谷波,胡慧博.  通信学报. 2007(06)



本文编号：2923519