（信号与信息处理专业论文）基于多层感知器调制信号识别的研究.pdf

太原理工大学硕士研究生学位论文 基于多层感知器调制信号识别的研究 摘要 调制解调是软件无线电的关键技术环节，是软件无线电技术研究 的核心内容之一。随着通信技术的发展，无线通信环境日益复杂，通 信信号可以在很宽的频带上采用不同调制方式。通信信号调制识别的 基本任务就是在多信号环境和有噪声干扰的条件下确定出接收信号的 调制方式和其它信号参数，从而为进一步分析和处理提供依据，是构成 基于软件无线电的通用接收机和智能调制解调器的重要技术基础。 本文在前人研究的基础上，通过对信号时域特征的分析，研究了 模拟信号、数字信号、模拟数字联合信号调制识别问题，并针对似然 比分类器的缺陷，将具有超强识别能力的神经网络用作调制识别的分 类器。主要工作可概括如下： ( 1 ) 论述了信号调制的通用模型，信号调制自动识别的常用算法。 对模拟调制信号、数字调制信号及模拟数字信号的联合自动识别的常 用特征参数进行了研究，分析了各参数的特点。 ( 2 ) 研究了人工神经网络在调制识别中的应用，重点对b p 算法 及其四种改进算法在调制信号识别中的应用进行研究，推导出算法形 式，分析了算法性能，进行了计算机仿真。将加入动量项与自适应学 太堕堡兰查堂堡主塑至生兰垡堡苎 习速率调整两种方法结合训练神经网络，用于调制信号的识别，达到 了较好的效果。仿真表明，神经网络适用于调制信号识别，且效果良 好。 ( 3 ) 将接收信号进行非线性变换预处理，详细分析九类信号非线 性变换后的波形特征，理论分析、仿真结果表明模拟信号与数字信号 经非线性变换后区别显著；提取每类信号非线性变换后的两个特征参 数，利用神经网络超强的识别功能，可将信号分为模拟、数字两大类， 为进一步调制识别奠定了基础。仿真表明，该方法结构简单，运算量 小，目识别率较高。 关键字调制识别，特征参数，神经网络，m l p ，非线性变换 太原理工大学硕士研究生学位论文 t h es t u d yo nm o d u l a t i o nr e c o g n i t i o n b a s e do nm u it i l a y e rp e r c e p t r o n a b s t r a c t o n eo ft h em a i nt e c h n o l o g i e si ns o f t w a r er a d i oi sm o d u l a t i o na n d d e m o d u l a t i o n i t st h ec o r eo fs o f t w a r er a d i os t u d y 、i t ht h ed e v e l o p m e n t o fc o m m u n i c a t i o nt e c h n o l o g y , r a d i oc o m m u n i c a t i o nb e c a m em o r e c o m p l e x s i g n a l st r a v e l i n gi ns p a c ew i t hd i f f e r e n tm o d u l a t i o nt y p e sa sw e l la s d i f f e r e n tf r e q u e n c i e sf a l li nav e r yw i d eb a n d ( i - i fa n dv h f ) g i v e na r e c e i v e dc o m m u n i c a t i o ns i g n a lt h a tt r a v e l i n gi nm u l t i - s i g n a l sa n dn o i s e e n v i r o n m e n t ，t h eo b j e c t i v eo fm o d u l a t i o nr e c o g n i t i o ni st od e c i d et h e m o d u l a t i o n t y p e a n de s t i m a t et h em o d u l a t i o n p a r a m e t e r s o ft h e c o m m u n i c a t i o ns i g n a lw i t h o u ta n yp r i o r ik n o w l e d g ea b o u tt h e s i g n a l i n f o r m a t i o nc o n t e n t t h i si sv e r yi m p o r t a n tf o ra n a l y z i n ga n dp r o c e s s i n g s i g n a l i t st h et e c h n o l o g yb a s i co fc o m m o nr e c e i v e ra n di n t e l l i g e n tm o d e m b a s e do ns o f t w a r er a d i o b a s e do np r e v i o u sr e s e a r c h ，t h ec l a s s i f i c a t i o no fc o m m u n i c a t i o n s i g n a l sw i t ha n a l o g u em o d u l a t i o n s ，d i g i t a lm o d u l a t i o n sa n dt h em i x t u r eo f a n a l o g u ea n dd i g i t a lm o d u l a t i o n si si n v e s t i g a t e di nt h i sd i s s e r t a t i o n a i m e d i i i 奎堕墨三奎兰堡主堡壅生堂垡丝塞 a tt h ed e f e c t so fd e c i s i o n - t h e o r e t i c a p p r o a c h a n ds t a t i s t i c a l p a t t e r n r e c o g n i t i o n ，a r t i f i c i a ln e u r a ln e t w o r k s ( a n n ) u s e da sap o w e rc l a s s i f i e rf o r t h em o d u l a t i o nr e c o g n i t i o np r o c e s s t h em a i nw o r k sc a nb es u m m a r i z e da s f o l l o w s ( 1 ) t h ec o m m o nm o d e lo f m o d u l a t i o na n dc o m m o nu s e da r i t h m e t i co f a u t o m a t i cm o d u l a t i o ni d e n t i f i c a t i o ni sd i s c u s s e d s e v e r a lc o m m o nu s e d c h a r a c t e rp a r a m e t e r so fa n a l o g u em o d u l a t i o n s ，d i g i t a lm o d u l a t i o n sa n dt h e m i x t u r eo fa n a l o g u ea n d d i g i t a lm o d u l a t i o n sa r es t u d i e d ( 2 ) t h ea p p l i c a t i o n so fa r t i f i c i a ln e u r a ln e t w o r ki na u t o m a t i c m o d u l a t i o nr e c o g n i t i o na r ed i s c u s s e d s t u d y i n go ft h ea p p l i c a t i o no fb p a n df o u rk i n d so fi m p r o v e da r i t h m e t i ci nm o d u l a t i o nr e c o g n i t i o ni st h e e m p h a s i s o ft h i s c h a p t e r t h e f o r mo fa r i t h m e t i ci sd e d u c e d t h e p e r f o r m a n c eo fa r i t h m e t i ci sa n a l y z e d t h ea p p l i c a t i o ni na u t o m a t i c m o d u l a t i o nr e c o g n i t i o ni ss i m u l a t e di nm a t l a bs o f t w a r ee n v i r o n m e n t c o m b i n i n ga d d i n gm o m e n t u ma r i t h m e t i cw i t h a d a p t e dt r a i n i n g r a t e a r i t h m e t i ct ot r a i nm l p , t h eb e a e rr e s u l ti sg o tw h e nr e c o g n i z em o d u l a t i o n s i g n a l s b yc o m p u t e rs i m u l a t i o ni nm a t l a bs o f t w a r ee n v i r o n m e n t ，w e k n o wt h a ta n ni sag o o dc h o o s ef o rm o d u l a t i o nr e c o g n i t i o n ( 3 ) p r e - p r o c e s s e dt h er e c e i v e ds i g n a lw i t hn o n l i n e a rt r a n s f o r m ，w a v e c h a r a c t e r so fn i n ek i n d so fm o d u l a t e ds i g n a l sa r et r a v e r s e d a n a l y s i so f i v o， #jfii日* t h e o r y a n ds i m u l a t i o no fm a t l a ba l ls h o w t h a ta f t e rn o n l i n e a r t r a n s f o r m e d ，a n a l o gs i g n a l sa n dd i g i t a ls i g n a l sh a v en o t a b l ed i f f e r e n c e s u s et w oc h a r a c t e rp a r a m e t e r so fn o n l i n e a rt r a n s f o r m e ds i g n a l sa n da n n ， s i g n a l sc a nb ed i v i d e di nt w op a r t s ，a n a l o gs i g n a l sa n dd i g i t a ls i g n a l s t h a t i sab a s ef o rf u r t h e rm o d u l a t i o nr e c o g n i t i o n t h es i m u l a t i o ns h o w st h a tt h e m e t h o dh a s s i m p l e rs t r u c t u r e ，s m a l l e ro p e r a t i o ns t e p sa n dh i g h e r i d e n t i f i c a t i o nr a t e k e yw o r d s ：m o d u l a t i o ni d e n t i f i c a t i o n ，c h a r a c t e rp a r a m e t e r s ，a r t i f i c i a l n e u r a ln e t w o r k s ，m l p n o n l i n e a rt r a n s f o r m v 声明 本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文 不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究 做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的 法律责任由本人承担。 论文作者签名：j 惭 关于学位论文使用权的说明 本人完全了解太原理工大学有关保管、使用学位论文的规定，其 中包括：学校有权保管、并向有关部门送交学位论文的原件与复印 件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文； 学校可允许学位论文被查阅或借阅；学校可以学术交流为目的， 复制赠送和交换学位论文；学校可以公布学位论文的全部或部分内 容( 保密学位论文在解密后遵守此规定) o 签名： 导师签名： 丕堑 太原理工大学硕士研究生学位论文 第一章绪论 1 1 研究调制信号识别的意义 1 1 1 基于软件的无线电的定义 s b r ( s o f t w a r eb a s e dr a d i o ) 是基于软件的无线电的英文缩写，包括对无线电 信号的软件处理和软件控制两大部分，通常被定义为对数字化无线电信号使用软 件技术来处理的无线电。其基本含义是把以往采用以硬件为核心、以特殊应用为 目的的无线电实现方法过渡到在某一个计算平台上用软件来完成无线电任务的设 计思想上来。使用这个术语是为了更广泛地吸纳这一领域所涉及的技术和概念。 为便于更清楚的理解s b r 及其核心技术在各个阶段所取得的进展情况，引入 另外两个被普遍接受的术语：软件定义无线电( s d r ，s o f t w a r ed e f i n e dr a d i o ) 及 软件无线电( s r ，s o f t w a r er a d i o ) 。 s d r 即软件定义无线电，其接收端的数字化是在天线后面的某一级，通常是 在宽带滤波、低噪声放大器和用来把射频信号下变频到低频的混频器等级联部件 的后端进行的，对于发射机的数字化过程则正好相反。无线电的各种功能特性是 出灵活、可重构的数字信号处理来实现的。 随着技术的进步，s d r 将朝着理想的s r 方向发展。s r 即软件无线电，其数 字化将在( 或者非常接近) 天线端进行，所需要的所有处理都通过高速数字信号 处理单元中的软件来实现。s d r 将在近期实现，而s r 要远期彳能实现。 a i s r ( a r t i f i c i a li n t e l l i g e n c e s o f t w a r er a d i o ) 即自适应智能软件无线电，是 s d r 和s r 的进一步推广。它具有通过自动适配工作模式来适应其工作环境，达到 提高性能和效率的能力。这种无线电可以根掘传播环境的变化，动态产生波形， 实时适应传播环境，实现起来非常复杂。 软件无线电包含三层含义【1 1 。 ( 1 ) “全数字化”。将a d 和d a 向射频端靠近；在基带数字化，在中频甚至 射频也要数字化，不仅接收机数字化，发射机也要数字化 太原理工大学硕士研究生学位论文 ( 2 ) 硬件为通信的基本平台，用软件实现通信功能的多样化。 ( 3 ) 不仅是一种实现方法，更是一种新型的体制和开放的、可扩展的、模块 化的软硬件平台体系结构，实现多频段、多模式、多业务、多个性。 1 1 2 调制信号识别的意义 功能的软件化是软件无线电的最大优势。在所有软件中，数字信号处理软件 占掘着重要的位置，例如编码、调制、解调、译码、同步提取、频谱分析、信号 识别等都可以采用信号处理算法来实现。 调制解调是软件无线电的关键技术环节，是软件无线电技术研究的核心内容 之一。在通信系统调制样式单一，双方互相约定的情况下，无须进行调制识别。 然而，随着通信技术的发展，无线通信环境e t 益复杂，通信信号可以在很宽的频 带上采用不同调制参数的各种调制方式。软件无线电特有的多频段、多功能、多 体制特性使得通信接收方无法确知信号的调制样式。对一个通信信号进行正确解 调的前提条件是确知该信号的调制样式及参数，通信信号调制识别的基本任务就 是在多信号环境和有噪声干扰的条件下确定出接收信号的调制方式和其它信号参 数，从而为进一步分析和处理信号提供依掘。如何有效地识别这些信号在军用、 商用和民用方面都具有很重要的意义。 在军事领域，通信信号调制识别是对敌方通信进行干扰或侦听的前提，一旦 知道了调制类型，就可以估计调制参数，从而有针对性地制定侦察和反侦察策略。 在电子战通信情报截获接收机的设计中，只有获得接收的通信信号的调制方式为 解凋器讵确选择解调方法提供参数依掘，才可以最终获得有用的情报信息；调制 识别技术还有助于电子最佳干扰样式或干扰抵消算法的选择，以保证友方通信， 抑制和破坏敌方通信：现代雷达为了提高探测距离，保证距离分辨能力，大量使 用脉冲压缩探测技术，探测脉冲采用具有大的时间带宽积的线性调频信号或多相 编码调制信号，利用调制识别技术可以辨别雷达的脉内调制样式，结合其它测量 参数，有效提高电子情报截获设备的识别性能；在辐射源识别问题上，为完成威 胁篇绂分析，区分政方探测器类型是预警雷达、火控面达、导弹导引头跟踪雷达 信号，都需要利用信号调制类型和其它参数进行识别；近年来，为实现海陆空三 2 # 一“# 太原理工大学硕士研究生学位论文 军的互通、互连、互操作性能，实现战场信息资源的最佳利用和现代武器装备的 最佳配置，军用软件无线电技术最终要设计出一种通信“网桥”，实现不同调制体系 通信设备间的互通功能，解决方案之一就是先识别出发射方的调制样式和调制参 数，对其发送的信息进行解调，然后按照接收方采用的调制方式把信息调制并转 发至接收方，这罩调制识别是基本条件噬 在商用方面，不同的移动通信系统的工作频段，占用的总带宽数，信道间隔 及调制方式各有不同，作为移动通信系统基站必须同时具备多信号处理能力。通 过基站接收天线感应的移动通信上行信号经模拟宽带前端变化为中频信号后，有 高速a d 进行采样数字化，该信号同时送给多个基频软件化接收机，分别进行数 字下变频，抽样、滤波、调制识别以及软件解调，才能送往基站控制器( b s c ， b a s es t a t i o nc o n t r 0 1 ) 进行后处理。软件无线电在移动通信中的另一个方面的应用 是多频多模手机，基于软件无线电的通用手机在其技术上更富有挑战性，在技术 上要求在1 0 0 m h z 2 2 g h z 范围内解调任何信号，这就要求必须有识别调制信号模 式的功能。 在民用方面，进入2 0 世纪9 0 年代，广播电视领域出现了以高清晰度电视 ( h d t v ，h i 曲d e f i n i t i o n1 v ) 为标志的第三代电视，其接近理想的视听效果和多 功能成为新一代数字电视的发展方向。数字电视的数码率有四个等级，最高可达 2 5 m h z 。为了能使h d t v 在现有的模拟电视信道( 6 m h z s m h z ) 上进行广播， 必须进行信道编码，以压缩传输带宽。所谓的信道编码就是选择合适的调制方式， 把高速率的视频数据调制到射频上。信道编码没有统一的国际标准，而且传输媒 介不同信道编码也不同。数字电视机必须有识别不同信道编码( 调制方式) 的能 力，才可以实现其功能。 通信信号调制识别技术能够自动识别通信信号的调制方式，它是构成基于软 件无线电的通用接收机和智能调制解调器的重要技术基础。尤其是近二十年来， 计算机技术、高速数字信号处理技术及高速专用器件的快速发展使得调制识别技 术的工程实现有了保证，调制识别技术的价值也得到了进一步的认识1 3 1 。 3 太原理工大学硕士研究生学位论文 1 2 调制识别技术的研究现状 1 2 1 调制识别技术的发展 早期的调制识别依赖于人的参与，通过测量参数进行信号的识别与分类，其 识别方法常常使用信号的波形、频谱、瞬时相位、瞬时幅度和瞬时相位等信号特 性。之后出现了由解调器组成的识别器，这是一种半自动的识别方法，但仍然需 要人的参与来观察输出信号，且该方法对数字信号不适用4 1 。 从九十年代中期开始，出现了自动调制识别方法。这些方法大体可以分为两 类，即基于特征提取的模式识别方法和最大似然假设检验方法。 i 2 2 基于最大似然假设检验方法的研究现状 最大似然假设检验方法是采用概率论和假设检验的方法来解决信号分类问 题。典型的最大似然假设检验方法有c yh u a n gi s 、k k i m 6 1 等人用平均似然 比分类多进制相移键控( m p s k ，m u l t i p l ep h a s e s h i f tk e y i n g ) 信号，在低信噪比 假设下，通过对似然比的级数展丌近似，得出了准对数似然比分类规则；h a n y o u n g y e a r l t 7 1 等人使用相位似然比函数分类m p s k 信号：w w 新i s 利用复码元序列的平 均似然函数比分类丁e 交幅度调制( q a m ，q u a d r a t u r e a m p l i t u d em o d u l a t i o n ) 信号： y a n g y a w p o t 9 1 、c s l o n g l l o l 等入使用q a m 信号幅度的平均似然比函数进行分类； c s e h r e y o e g g 【】、j a s i l l s1 1 2 等人在大信嗓比条件下，假设q a m 信号幅度和 相位近似相互独立，利用幅度和相位的联合似然比进行分类，等等。 这类方法判决规则简单，但不易得出j 下确假设，检验统计量计算复杂，而且 需要一些先验信息。 1 2 3 基于特征提取的模式识别方法的研究现状 基于特征提取的模式识别方法不需要先验知识，但如何正确地选择特征集是 个难题。这种方法一般过程包括信号预处理，特征提取和选择以及分类识别三 个部分。其一般过程如图1 1 所示1 3 1 。 4 太原理工大学硕士研究生学位论文 叫竺兰翌竺兰h 竺兰堡竺! ! 兰兰 _ _ 竺耋竖型i _h一 图1 1 一般调制识别方法的框架结构 f i g 1 1t h ec o m m o nf r a m eo f m o d u l a t e dr e c o g n i t i o n 信号预处理部分为后续处理提供合适的数据。一般包括频率下变频、同相和 正交分量分解、数掘估计和载频分量的消除等。在多信道、多发射源的环境中要 能有效地隔离各个信号，保证一次只有一个信号进入后续的调制识别环节。 特征提取部分是从数据中提取信号的各类有用特征。可以是瞬时幅度、瞬时 相位、瞬时频率和带宽，也可以是功率谱、谱相关函数、时域分布及其它统计参 数。分类特征的选取必须依据每种分类问题单独考虑，依据所需分类的调制类型 不同，寻找特定的方法和特征。这也是调制识别一直被当作一个具有研究价值的 课题的原因。对模拟、数字信号的识别主要有以下几类影响较大的分析方法： 1 2 3 1a k n a n d i 和e e a z z o u z 提出的时域分析方法 a k n a n d i t ”】等提出的算法是调制信号时域分析方法中的突出代表，在目前 调制识别技术中仍占主导地位。特别是他们提出的特征参数，为人们广泛接受和 引用，许多人在他们算法基础上，引入新的或改进的特征参数或采用新的分类器 结构，从而衍生出许许多多新算法。他们提出的特征参数主要有： ( 1 ) 零中心归一化瞬时幅度之谱密度的最大值y 一； ( 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0 0 ； ( 3 ) 零中心非弱信号段瞬时相位非线性分量的标准偏差盯。； ( 4 ) 零中心归一化瞬时幅度绝对值的标准偏差盯。 ( 5 ) 零中心归一化非弱信号段瞬时频率绝对值的标准偏差盯。； ( 6 ) 谱对称性p ； ( 7 ) 零中心归一化非弱信号段瞬时幅度的标准偏差o a ； 5 太原理工大学硕士研究生学位论文 ( 8 ) 零中心归一化瞬时幅度的紧致性( 四阶矩) 工名； ( 9 ) 零中心归化瞬时频率的紧致性( 四阶矩) 声磊： 1 9 9 9 年，vr a m a k o n a r t l 4 】等人在a k n a n d i 提出参数的基础上，又提出三 个新的参数，分别是： ( 1 ) 瞬时幅度的标准偏差盯。； ( 2 ) 零中心归一化非弱信号段瞬时频率的标准偏差盯。； ( 3 ) 零中心归一化瞬时频率之谱密度的最大值y 急： a k n a n d i 等提出的这些方法计算简单，识别类型多，信噪比在1 0 d b 时， 有效识别率可达9 0 以上。早期的调制识别方法往往都是根掘调制信号的时域特 征束区分信号的。但其涉及的参数多，受信嗓比影响较大。 1 2 3 2s s s o l i m a n 和z s h s u e 提出的数字相位统计相关变量识别方法 数字相位统计相关变量识别方法【1 5 】是基于判决理论调制识别方法的代表【1 6 1 。 利用t i k h o n o vt y 卿j 化函数1 7 1 来逼近信号相位概率密度，并且推导出假设检验的统 计检测量，从而对m p s k 一类调制信号进行识别。此方法的理论基础是h l e i b 和 s p a s u p a t h y l l 8 1 对高斯白噪声干扰的信号相位的概率分布进行的研究。 对于载波( c w ，c a r r i e rw a v e ) 、二进制相移键控( b p s k ，b i n a r yp h a s es h i f t k e y i n g ) 、四进制相移键控( q p s k ，q u a d r ip h a s es h i f tk e y i n g ) 等信号，它们的相 位概牢密度函数可用t i k h o n o v 函数逼近和简化为 n ，) = e x p ( 2 c o s 伊) 2 刃。( 2 ) 】 ( 1 1 ) p 。白) = c o s h ( 2 f l s i n d p ) 2 t r l 。( 2 蒯 ( 1 - 2 ) p 删辨型业堂篙警蚓 s ， 其中，为信噪比，。为零阶修正贝塞尔函数。 对于以上几种信号的判决可以看作是假设检验的问题，采用最大后验概率准 6 太原理工大学硕士研究生学位论文 则可推导出统计检验量分别为 上。，= 2 c o s b ( f ) 】 一= l n c o s h 2 s i n b ( f ) b 上删= l n c o s h 0 7 0 7 f l s i n 6 p ( i ) + c o s h o 7 0 7 p c o s 眺娜 n ( 1 4 ) ( 1 5 ) ( 1 6 ) 其中，妒( f ) 为输入信号的相位采样序列，为采样点数目。 对于输入信号的相位采样序列，计算出各种数字调制类型的统计检验量，选 择最大的输出即为相应的调制类型。其优点在于识别率较高，稳健性好，但计算 太复杂。 1 2 3 3a w g a r d n e r 等提出的谱相关识别方法 疆 传统的信号分析模型都是以平稳随机过程为基础的，但通信信号一般是用待 传输信号对周期性信号的某个参数进行调制，因而通信信号都是具有周期平稳性 的信号。a w g a r d n e r 【1 9 】等提出用谱相关分析方法是一种频域分析法，揭示了不同 调制方式的不同周期特征，并以此来区分信号的调制类型。这种方法常用的特征 参数如下： ， ( 1 ) 频谱在厂轴上呈现艿脉冲的数量k ； ( 2 ) 周期谱密度函数筇驴) 在口轴上的周期谱线分布数量4 ； ( 3 ) 彤( 厂) 在口轴上的周期谱线平均能量s ； ( 4 ) 调制信号的谱相干系数q 驴) 的最大值c ； ( 5 ) 彤驴) 在口= + - 2 f o 处的最大归一化下降值6 ； ( 6 ) q u ) 的最大值与( 厂) 在a = - + - 2 f o 处的最大归一化下降值的比值，。 以上几个特征参数的共同特点是随调制方式的不同而区别明显，稳定性能好， 受信噪比的影响相对较小。也就是说，谱相关识别方法具有分辨率高，抗干扰能 力强等特点，周期谱除了能分离和识别信号外，还能通过检测周期谱的幅度、位 7 太原理工大学硕士研究生学位论文 移等特征来测定载波，脉冲速率及相位信息等。 其它调制信号频域分析方法还有常规功率谱分析方法，高阶谱分析方法等等。 这些方法的缺点在于计算量大且不利于实时识别【2 0 1 。 1 2 3 4l c o h e n 等提出的时频分析法 在现代通信、雷达等领域中，复杂的信号都有很多种时频域变化方式。常规 的基于傅立叶分析的处理方法( 如相关法或频域表示法) 已无法对这些信号进行 ， 分析。这对信号处理提出了更高的要求，不仅要了解信号的整个频率组成，还要 了解信号的频率分量在时间上的变化情况，从而准确地了解信号的全部特征。近 年来，时频二维分析方法受到信号处理领域专家学者的普遍关注。时频分析的基 本思想是【2 。1 ：设计时间和频率的联合函数，用它同时描述信号在不同时间和频率 上的能量密度或强度，时间和频率的这种联合函数简称时频分布。主要的时频分 析算法有短时傅立叶变换( s t f t ) ，维格纳威利分布( w v d ) 和小波变换等。 在分类识别部分，根据识别对象的特征值将其分到某个类别中去，需要选择 和确定合适的判决规则和分类器结构。根据分类器分类原理的不同可分为判决树 方法 2 2 , 2 3 、基于概率分布的相关统计方法 2 4 , 2 5 1 、人工神经网络方法等。其中人工神 经网络方法由于智能化水平高、识别速度快、正确识别率高等优点获得了充分重 视，是分类器设计的发展新方向。 1 2 4 基于人工神经网络调制识别技术的研究现状 早在1 9 9 1 年，p c h i l l l 2 旬等就通过仿真证明在自动调制信号识别中神经网络 有其优越性。近十年来，神经网络因其对复杂的非线性输入一输出映射关系的学 。 习能力、环境变化及容错的自适应能力而倍受关注。目前应用较多的是| j 馈神经 一 网络，包括多层感知器( m l p ，m u l t i l a y e r p e r c e p t r o n ) 神经网络和径向基函数神 经网络( r b f ，r a d i a lb a s i sf u n c t i o n s ) 。 在已有的文献中，神经网络调制识别的主要方法是依据所用神经网络的结构 进行分类的，一般分为两类。 1 2 4 1 基于多层感知器神经网络的调制信号识别方式 8 太原理工大学硕士研究生学位论文 作为一种成熟的a n n 分支，m l p 有很多有效的训练算法。a k n a n d il l 、 庄婵飞【2 7 1 等选用反向传播学习法( b p ，b a c kp r o p a g a t i o n ) 作为调制信号的识别 分类器。b p 算法是应用于m l p 神经网络最多的一种算法，是典型的监督训练方 法。其算法的基本思想是把一组样本的输入输出问题变成一个非线性优化问题， 用优化中普遍使用的梯度下降算法来实现网络的实际输出与期望输出间的均方误 差( m s e ，m e a ns q u a r ee r r o r ) 最小，完成m l p 神经网络的训练任务。王康利等 人冽选用b p 算法训练一个四层神经网络，提取了九个特征参数，对十种模拟和数 字信号进行识别。 在实用中b p 神经网络存在两个主要问题，即收敛速度慢和目标函数存在局部 极小点2 9 1 。孙梅3 0 l 、赵知劲【3 1 1 等人采用l e v e n b e r g - m a r q u a r d t 算法训练m l p 神经 网络以提高i ) i i 练速度和分类器速度，可以识别c w 、调幅( a m ，a m p l i t u d e m o d u l a t i o n ) 、单边带调制( s s b ，s i n g l es i d eb a n d ) 、调频( f m ，f r e q u e n c y m o d u l a t i o n ) 、频移键控( f s k ，f r e q u e n c ys h i f tk e y i n g ) 、相移键控p s k ( p h a s es h i f t k e y i n g ) 等信号，但需要更大的存储空间。 m l d w o n g 和a k n a n d i l 4 1 将带反弹的反向传播学习法( r p r o p ，r e s i l i e n t p r o p a g a t i o n ) 应用于m l p ，识别1 6 q a m 、v 2 9 、v 3 2 、6 4 q a m 信号。该算法使 学习步长动态调整，从一定意义上克服了b p 的缺陷。 为提高单个分类器的性能，出现了m l p 的组合神经网络，组合神经网络是按 一定的法则集成多个相互独立的神经网络分类器，得到比该组合分类器中任一单 个分类器性能都好的结果。迄今为止，已提出多种组合算法，如多数投票法1 3 2 1 、 离散搜索法【3 3 1 、快速非线性组合算法【3 4 l 、加权投票法【3 5 】等。 1 2 4 2 基于径向基函数神经网络的调制识别方式 在已发表的文献中，有陈杰 3 6 1 等人基于递归最小二乘法算法( r l s ，r e c u r s i v e l e a s ts q u a r e s ) 的r b f 神经网络实现2 a s k 、4 a s k 、2 p s k 、4 p s k ( q p s k ) 、2 f s k 、 4 f s k 和1 6 q a m 的识别；宫新保【3 7 1 等人基于人工免疫聚类和进化规划的混合算法 设计r b f 网络，并将其应用于雷达信号调制类型的自动识别。赵知劲1 3 8 1 等提出了 利用w i g n e r - v i l l e 分布提取调制信号的瞬时频率特征，用r b f 神经网络根据提取 9 太原理工大学硕士研究生学位论文 的特征参数识别b f s k 、b p s k 、f m 和s s b 四种信号。 1 3 本文的结构安排 论文共分五章： 第一章：全面分析了研究调制识别技术的意义，综述了其发展历史、研究现 状、将调制识别方式按照传统的方式分为基于最大似然的假设检验方法和基于特 征提取的模式识别方法，又将基于特征提取的模式识别方法按照特征提取方法和 分类器的不同分别进行了分类、总结，逐步递进指出本文所要做的主要工作及原 因。 第二章：论述了信号调制的通用模型，信号调制样式自动识别的常用算法。 对模拟调制信号，数字调制信号及模拟数字信号的联合自动识别的常用特征参数 进行了研究，分析了各参数的特点，可以区分的调制方式，并通过仿真得到一组 数据，并以图的形式给出加以验证。研究了在信号调制方式自动识别中应当注意 的几个问题，并针对这些问题给出相应的解决方案。 第三章：本章研究了人工神经网络在调制识别中的应用，重点对b p 算法及其 改进算法在调制信号识别中应用作了深入的研究，推导出算法形式，分析了算法 性能，进行了计算机仿真。将加入动量项与自适应学习速率调整两种方法结合训 练神经网络，用于调制信号的识别，达到了较好的效果。 第四章：使用了一种非线性变换后提取特征参数，并利用神经网络超强的识 别能力对模拟、数字联合信号进行识别，可将信号分为模拟、数字两大类，为进 一步调制识别奠定了基础。最后进行了计算机仿真。仿真结果表明，先将用该方 法将联合信号分为模拟、数字信号识别方法简单，运算量小；完成大的分类后再 应用第三章的方法进行识别，大大简化了运算量，也提高了识别率。 第五章：对全文工作进行了总结，提出了今后进一步研究的方向。 1 0 太原理工大学硕士研究生学位论文 第二章调制信号识别的基础知识 2 1 信号调制的通用模型 软件无线电中的各种调制信号是以一个通用的数字信号处理平台为支撑，利 用各种软件来产生的。每一种调制算法都做成软件模块形式，要产生某种调制信 号只需调用相应的模块即可。由于各种调制均用软件实现，因此在软件无线电中， 可以不断地更新调制模块的软件来适应不断发展的调制体制，具有很大的灵活性 和开放性。在当代通信中，通信信号的种类很多，从理论上说，各种通信信号都 可以用正交调制的方法加以实现，如图2 1 所示【3 9 】。 ， s i l l 口c t 图2 1 正交调制的实现框图 f i g 2 1t h ef r a m eo f q u a d r a t u r em o d u l a t e 根据图2 1 ，可以写出调制信号的时域表达式 s ( f ) = ，( r ) c o s ( c o d ) + q ( t ) s i n ( c o d ) ) ( 2 1 ) 其中，q 为载波角频率，调制信号的信息包含在，( f ) 和q ( ，) 内。由于各种调制信号 都是在数字域实现的，因此在数字域实现时要对式( 2 1 ) 进行数字化。 s 0 ) = ，o ) c o s 0 珊，k ) + o ( n ) s i n ( n o ) 。o ) ，) ( 2 2 ) 式中，为采样角频率。在对调制信号和载波频率进行数字化时，其采样频率可 能不一样。这里多相滤波器的作用就是用来提高数据源的采样速率，使得调制信 号的采样速率和载波的采样速率一致。 软件无线电中的调制算法包括模拟调制算法和数字调制算法，不同的调制信 1 1 太原理工大学硕士研究生学位论文 号其同相分量，( f ) 和正交分量q 0 ) 不同，经过正交调制后即可得到所需类型的调制 信号。 2 2 信号调制方式的自动识别 对一个通信信号进行正确解调的前提条件是确知该信号的调制方式及参数， 如信号带宽、波特率等等。在通信系统调制方式单一，双方互相约定的情况下， 无须进行调制识别。然而，软件无线电特有的多频段、多功能、多体制特性使得 通信接收方无法确知信号的调制方式。通信信号调制识别的基本任务就是在多信 号环境和有噪声干扰的条件下确定出接收信号的调制方式和其它信号参数，从而 为进一步分析和处理信号提供依据。 随着通信技术的发展，无线通信环境日益复杂，通信信号可以在很宽的频带 上采用不同调制参数的各种调制方式，特别是用于无线网关的软件无线电台，无 线网关是在两个不同制式的电台之间起到制式转换的作用，在对一个电台发送的 信号进行接收解调前必须首先识别出该信号的调制方式及其信号参数，才能解调 出调制信息，再重新按另一个电台的波形要求调制到该电台的频率，并发送出去。 所以信号调制方式的自动识别是软件无线电台必须具备的功能之一。 本章主要讨论基于决策理论的信号自动识别的基本原理和算法，主要内容有： 模拟信号调制方式的自动识别，数字信号调制方式的自动识别和模拟数字信号调 制方式的联合自动识别等。 任何调制方式的信号均可采用以下统一的数学表达式来表示 s ( ，) = 口o ) c o s p 。，+ 妒( f ) 1 ( 2 3 ) 式中，口( ，) 称为信号的瞬时幅度；纹r + 妒( f ) 是信号的瞬时相位，妒( f ) 称为信号的 瞬时相位偏移：丛掣是信号的瞬时频率，尘掣是信号的瞬时频率偏移( ，) ， 讲a 即相对于够的瞬时频率偏移。 1 2 太原理工大学硕士研究生学位论文 对于不同调制方式的信号主要表现在口( f ) 、妒( f ) 的不同。 2 2 1 模拟调制信号的自动识别 2 1 1 1 模拟调制信号的分类 常用的模拟调制方式可以分为振幅调制和角度调制。振幅调制包括调幅( a m ， a m p l i t u d em o d u l a t i o n ) 、双边带调制( d s b ，d o u b l es i d eb a n d ) 、单边带调制( s s b ， s i n g l es i d eb a n d ) 和残留边带调制( v s b ，v e s t i g i a ls i d eb a n d ) 等几种。角度调制 包括频率调制( f m ，f r e q u e n c ym o d u l a t i o n ) 、相位调制( p m ，p h a s em o d u l a t i o n ) 及联合调制( a m - f m ，a m p l i t u d em o d u l a t i o n ) 等。 ( 1 ) 调幅信号( a m ) 幅度调制是载波的幅度随调制信号作线性变化的过程。如果输入基带信号带 口 有直流分量，则它可以表示为直流分和表示消息变化的交流分量，则得到的输出 信号便是有载波分量的双边带信号，这个信号就是调幅信号【4 0 1 。其时域表示式为 s ( ，) = a 1 + m 。“( f ) 】c o s 0 。t ) ( 2 4 ) 其中，“( r ) 是调制信号；( - 0 e = 2 矾，正是载波频率；小。为调制指