一种非协作通信信号特征提取方法

发布时间：2021-03-07 10:22

　　在非协作通信中,如何在低信噪比的衰落信道下,从截获的信号中提取特征参数,从而准确的判别其调制方式是研究的重点。特征参数的高阶累积量可以去除噪声干扰,针对当前非协作通信领域中低信噪比下调制识别率不高的问题,结合高阶累积量的自身特性,提出新的信号特征提取方法。以Nakagami信道为例,以信号的四阶累积量作为特征参量,并对四阶累积量进行分类门限的划分,主要讨论BPSK,8PSK和16QAM这3种信号在不同符号数下的准确识别率。仿真表明,8PSK在符号数为500时,在信噪比为-5 dB到0 dB的高斯白噪声信道下,识别率在90%以上。 

【文章来源】：西安科技大学学报. 2020,40(04)北大核心

【文章页数】：6 页

【部分图文】：

信号调制识别流程框图

16QAM星座图

表3 二阶累积四阶累积量Table 3 Second-order and fourth-order cumulants C20 C21 C20 C21 BPSK 1 1 64QAM 0 1 16QAM 0 1 OFDM 0 13 衰落信道下四阶累积量的特征提取

【参考文献】：
期刊论文
[1]Deep Learning for Wireless Physical Layer: Opportunities and Challenges[J]. Tianqi Wang,Chao-Kai Wen,Hanqing Wang,Feifei Gao,Tao Jiang,Shi Jin.  中国通信. 2017(11)
[2]最小二乘支持向量机在信道均衡中的应用[J]. 王安义,郭世坤.  西安科技大学学报. 2014(05)
[3]基于SVM的人才资源对陕西经济增长影响的预测模型研究[J]. 李朋林,赵晶,马琰玲.  西安科技大学学报. 2012(05)
[4]小波分析及支持向量机应用于大气污染预测[J]. 陈柳,吴冬梅,陈俏.  西安科技大学学报. 2010(06)

博士论文
[1]非合作通信中单载波调制信号识别算法研究[D]. 李艳玲.西安电子科技大学 2013

硕士论文
[1]基于深度学习的通信信号识别技术研究[D]. 周龙梅.北京邮电大学 2018
[2]通信信号调制识别技术研究[D]. 陈蕙心.西安电子科技大学 2017
[3]基于LS-SVM的半圆拱形巷道无线信道建模与预测[D]. 郗茜.西安科技大学 2017
[4]非协作通信信号调制识别研究与实现[D]. 褚国星.重庆大学 2017



本文编号：3068905