通信工程毕业设计论文模拟信号的分类算法研究与仿真.doc

《通信工程毕业设计论文模拟信号的分类算法研究与仿真.doc》由会员分享，可在线阅读，更多相关《通信工程毕业设计论文模拟信号的分类算法研究与仿真.doc（25页珍藏版）》请在三一办公上搜索。

1、华东交通大学理工学院Institute of Technology. East China Jiaotong University 毕 业 设 计（论 文） Graduation Design （Thesis）（20 07 20 11 年）题 目 模拟信号的分类算法研究与仿真 分 院： 电气与信息工程分院 专 业： 通信工程 班 级： 1班 学 号： 7 学生姓名： 指导教师： 起讫日期： 2010年12月 2011年5月 目录摘要IAbstractII第一章 绪论11.1研究目的和意义11.2研究背景11.3关于决策理论方法2第二章模拟信号调制模型42.1载波信号（CW）42.2调幅信号（A

2、M）42.3抑制载波双边带信号（DSB）42.4抑制载波单边带信号（SSB）52.5调频信号（FM）6第三章 常用模拟信号的基本特征73.1模拟信号的时域特征73.1.1瞬时幅度73.1.2瞬时相位73.1.3瞬时频率93.2频域特征10第四章常用模拟信号的分类算法124.1识别算法流程及特征参数124.1.1算法流程介绍124.1.2所选特征参数124.2仿真结果分析17第五章结论18参考文献（References）19致 谢2021模拟信号的分类算法研究与仿真 摘要：软件无线电是未来无线通信的主要技术，其特点之一就在于可以实现多频段、多模式、多协议系统的无缝接入。为了实现不同系统之间的互相

3、通信，调制方式的自动识别将是软件无线电必须具备的功能之一。所谓调制方式的自动识别就是将接收信号作为样本，提取其瞬时幅度、相位和频率等参数，并借助信号处理手段，采用合适的算法实现对该信号调制方式的判决。调制方式的自动识别广泛应用于民用和军用通信，尤其常见于非合作性通信和通信对抗，比如，信号确认、信号监控、干扰辨识、电子对抗、电子救援及军事威胁分析等。本文首先对各种模拟通信信号进行了理论分析,在此基础上针对模拟调制信号和数字调制信号采用了基于决策论方法的调制方式识别算法,讨论了判决门限的选择,并利用MATLAB软件进行了计算机仿真。在信噪比为10dB时,对模拟调制和数字调制的识别成功率均不低于99

4、%。本文的调制识别算法是基于决策论方法,该方法具有运算量小,识别效果好等优点。最后,本文对模拟调制信号的瞬时频率、调幅系数和调频系数均做了理论分析与参数提取,并且进行了计算机仿真,通过计算机仿真结果证明了该方法的可行性。关键词：模拟信号，分类，调制识别，信噪比，特征值，阈值Analog signal classification algorithm and simulationAbstract：Software radio is the main technology for future wireless communications, one of its characteristics

5、is that you can multi-band, multi-mode, multi-protocol system, seamless access. In order to achieve mutual communication between different systems, automatic identification of modulation will be the functions of the software radio must have one. Automatic identification of the so-called modulation i

6、s the received signal as a sample, extract the instantaneous amplitude, phase and frequency parameters, and using signal processing methods, using the appropriate algorithm to the signal modulation decision. Automatic modulation recognition widely used in civil and military communications, in partic

7、ular, is common in non-cooperative nature of communication and communication confrontation, for example, signal recognition, signal monitoring, interference identification, electronic warfare, electronic rescue and military threat analysis Firstly, a variety of analog communication signals on a theo

8、retical analysis, the basis of signals for analog modulation and digital modulation signals using a method based on decision theory modulation recognition algorithm, discussed the choice of decision threshold, and carried out using MATLAB software computer simulation. When the SNR is 10dB, the analo

9、g modulation and digital modulation recognition success rate of not less than 99%. This modulation recognition algorithm is based on the decision theory method, which has the operation, which identify good effect. Finally, the analog signal of the instantaneous frequency modulation, amplitude modula

10、tion coefficient and frequency factor are doing the theoretical analysis and parameter extraction, and computer simulation, computer simulation results show the feasibility of the method. Keywords: analog signal, classification, modulation recognition, signal to noise ratio, characteristic value, th

11、e threshold第一章 绪论1.1研究目的和意义本课题主要研究日常在通信方面应该较多的模拟信号，注重对其时域和频域方面的分析，进而对连续波调制中的模拟信号进行识别。课题中要应用到的模拟信号有AM、DSB、SSB和FM信号。软件无线电是未来无线通信的主要技术，其特点之一就在于可以实现多频段、多模式、多协议系统的无缝接入。为了实现不同系统之间的互相通信，调制方式的自动识别将是软件无线电必须具备的功能之一。所谓调制方式的自动识别就是将接收信号作为样本，提取其瞬时幅度、相位和频率等参数，并借助信号处理手段，采用合适的算法实现对该信号调制方式的判决 李杨，李国通，杨根庆.通信信号数字调制方式自动识

12、别算法研究J .电子与信息学报，2005，27(2)，197201.。调制方式的自动识别广泛应用于民用和军用通信，尤其常见于非合作性通信和通信对抗，比如，信号确认、信号监控、干扰辨识、电子对抗、电子救援及军事威胁分析等 梁艳，梁昔明，廖力清.模拟信号调制方式自动识别仿真J.计算机测量与控制，2006，14（1），117127.。1.2研究背景早期的调制识别，是通过多种调制方式的解调器将获取的高频信号经过变频为中频，然后输入各个解调器，以获得直观的信号、再通过技术人员用耳机和其他仪器人工的识别。他们通过对中频的时域波形、信号频谱、瞬时幅度和频率等信息的判断来进行识别。这种方方法不仅需要有经验的人

13、员而且判断出的结果包含主观因素在内，所能识别的调制类型很有限。而自动调制识别技术可以克服上述缺点，而且对中心频率和带宽的估计误差、相邻信道串音和衰落效应等干扰因素也有很强的鲁棒性 姚亚峰，黄载禄.通信信号调制识别技术J.通信技术，2003，6，4150.。1969年4月， C.S.Waver等人在斯坦福大学技术报告上发表了第一篇研究自动调制识别的论文采用模式识别技术实现调制类型的自动分类。近十几年来，随着计算机、人工智能、模式识别和信号处理等技术的飞速发展，通信信号的自动调制识别技术得到长足地发展，日益受到重视，特别是低信噪比条件下的信号调制识别 李杨，李国通，杨根庆.通信信号数字调制方式自动

14、识别算法研究J.电子与信息学报，2005，27（2），197201. 。常用的分类方法主要有统计模式识别方法、决策理论方法和人工神经网络方法，目前流行的主要是后两种方法。以决策理论为基础的分类方法在通信信号的调制识别中已得到广泛应用，如果能够精确地估计出待识别模式的概率密度函数，那么这类算法可以得到最佳的识别性能，但是由于前提条件一般很难得到满足和应用环境的复杂多变，造成这类算法的识别率较低、稳定性较差 华光学，严家明，张麟兮. 软件无线电中调制识别算法的研究J.2005，22（4），126128.。神经网络分类器是另一类应用较多的分类器，已有多层感知器神经网络分类器和径向基神经网络分类器应用

15、于通信信号调制识别，神经网络是一种以自组织、自适应和大规模分布式并行计算为特征的非线性信号处理系统，具有强大的模式识别和泛函逼近能力，并有良好的容错性，分类识别率一般要高于决策理论方法 庄婵飞，赵知劲.模拟调制信号的神经网络识别方法J.杭州电子工业学院学报，2002，22（3），3335.神经网络具有信息分布式储存、大规模自适应并行处理和高度容错特性，是用于模式识别的基础。其学习能力和容错性对不确定性模式识别具有独到之处 高蒙，赵培庆，张福生，通信信号调制识别方法研究J.石家庄铁道学院学报，2002，15（4），3236.。A. K. Nandi 等人提出信号的瞬时幅度、非线性相位和频率，计算

16、特征参数，采用判决手段或者神经网络的方法来识别模拟调制方式，具有较好的效果，对信噪比（SNR）为 10dB 的高斯信道，识别率可以达到 95%以上，但在识别下边带（LSB）、上边带（USB）信号时认为载频可以比较精确地估计，实际系统中，发射单边带（SSB）信号时一般不发射导频，因此无法估计载频。加权的谱对称系数，在不知道载频的情况下，也能识别 LSB 和 USB，对信噪比为 10dB 的加性信道，识别率达到 96%左右，但是在 5dB 的衰落信道中，识别率降到 75%左右 李辉，崔琛，余剑，低信噪比下模拟调制方式自动识别J.电子对抗，2007（1），2125.。通信信号调制的自动识别作为一种模

17、式识别问题，特征提取是关键，所提取的特征要能尽量表征类别之间最大差别的模式信息，同时还应有一定的鲁棒性，即当接收信号的信噪比发生变化时识别结果所受的影响越小越好。目前除了利用信号基本的时域、频域和功率谱的特征以外，其它一些现代信号处理技术，包括高阶谱分析、小波理论、分形理论等都已应用到该领域的研究中 魏瑾，张立毅，辛建芳，一种低信噪比下的模拟调制信号的识别方法J.2008（1），2426.。随着自适应技术的发展和日益成熟，现在已经出现了自适应调制，这使得调制识别对于信号截获成了决定性因素。调制识别不是个孤立的问题。它本身就融合了检测，估计，特征选取，分类识别等释个内容，而这此内容本身又构成了一

18、个庞大的理论体系因此要研究调制识别，我们往往只能把问题细化，而且可能是在其他环节的基础上的训究，才能将问题做深。从日前的研究来看，大部分的研究卞要集中在通信对抗这一领域，事实上，调制识别不仅仅在这此领域有应用价值，它在网络通信、宽带通信等力面也应该具有重要的应用价值 张宏苏，通信信号的识别技术综述J.科技资讯，2007（20）.。1.3关于决策理论方法决策理论方法又称统计方法。通常，我们把通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息称为模式，而把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)，模式识别就是根据识别对象特征的观察值将其分到某个模式类中去 赵太飞，DSP

19、在软件无线电接收机中调制识别的应用研究D.成都理工大学，2003.。一个模式常常要用很大的信息量来表示。许多模式识别系统在数字化环节之后还进行预处理，用于除去混入的干扰信息并减少某些变形和失真。随后是进行特征抽取，即从数字化后或预处理后的输入模式中抽取一组特征。所谓特征是选定的一种度量，它对于一般的变形和失真保持不变或几乎不变，并且只含尽可能少的冗余信息。特征抽取过程将输入模式从对象空间映射到特征空间。这时，模式可用特征空间中的一个点或一个特征矢量表示。这种映射不仅压缩了信息量，而且易于分类。在决策理论方法中，特征抽取占有重要的地位，但尚无通用的理论指导，只能通过分析具体识别对象决定选取何种特

20、征。特征抽取后可进行分类，即从特征空间再映射到决策空间。为此而引入鉴别函数，由特征矢量计算出相应于各类别的鉴别函数值，通过鉴别函数值的比较实行分类 。 信号调制识别的步骤一般包括特征提取、分类器设计及分类决策3部分，因此研究的主要内容是提取信号特征和设计分类器，本文运用的调制识别算法包括以下几个步骤：首先计算信号的瞬时信息，即信号的瞬时幅度、瞬时相位和瞬时频率，同时对信号的瞬时信息进行消噪处理：然后利用信号的瞬时信息提取特征参数；最后用决策论方法进行调制方式识别 谭晓娟，刘娟，胡友强，一种新的低信噪比下的数字调制识别方法J.系统工程与电子技术，2009，31（6），15201524.。第二章模

21、拟信号调制模型2.1载波信号（CW）设正弦型载波为。式中为载波幅度;为载波角频率；为载波初始相位。以下提到的调制信号是指来自信源的消息信号，包括数字的和模拟的。未被调制的周期性震荡信号即为载波。2.2调幅信号（AM）调幅信号是由调制信号与一个直流偏量叠加后与载波相乘所得，其时域表示式如下：（2.2.1）图所示为AM调制模型。图 1AM信号模型图3中所示的是AM信号的调制过程及结果。从时域图像看出AM波的包络与调制信号m(t)的形状完全一样，AM波形的振幅由直流偏量和调制信号的振幅相加所得。图 2AM信号调制过程2.3抑制载波双边带信号（DSB）与AM信号不同，双边带调制信号DSB信号把直流偏量

22、去掉。它的时域表达式为。它的典型波形如下所示。时域上看调制波组成了DSB波形的包络，而DSB波形的频率与载波CW相同。图 3DSB信号的时域波形2.4抑制载波单边带信号（SSB）单边带调制由已得的双边带调制信号经过边带滤波器，将不需要的边带（上边带或者下边带）滤除。设单频调制信号为（2.4.1）载波为则DSB信号的时域表示式为（2.4.2）只保留上边带 （2.4.3）只保留下边带 （2.4.4）将两式合并则有 （2.4.5）它的时域表示式需要用到希尔伯特变换，得到的结果为(2.4.6)2.5调频信号（FM）设调制信号为单频正弦波，如为多音调制可类推。以下为一般角调信号公式(2.5.1)对信号的

23、瞬时角频率进行积分，即可得出FM信号的相位偏移量对载波进行频率调制，FM信号可表示为(2.5.2)图 4FM信号的时域波形图示为单音信号调频过程，从时域上看，FM的振幅无变化，只是频率随角频率的变化而发生明显的疏密变化 白旭峰，基于小波变换的数字调制信号识别研究D.哈尔滨工程大学，2007.。第三章 常用模拟信号的基本特征3.1模拟信号的时域特征不同通信信号所携带的信息被调制在载波信号的幅度、相位和频率上。这样，就要求在进行调制识别时，提取信号的幅度、频率和相位特征。假设信号的解析信号为，则可定义信号基本特征参数计算公式如下 樊昌信. 通信原理M.北京：国防工业出版社,2006.。3.1.1瞬

24、时幅度包络瞬时幅度的计算： (3.1.1)包络瞬时幅度可以通过而得到。图 5 模拟调制信号的瞬时幅度波形图5可看出，除了AM和DSB信号的瞬时幅度在不断的变化外，其他模拟信号的瞬时幅度基本不变。3.1.2瞬时相位 (3.1.2)瞬时相位是根据截获信号的解析式计算得到的。显然，瞬时相位计算对实际信号解析式的实部和虚部的非零值的误差相当敏感。计算误差可能将这些小值的极性变反，因此，必须为截获信号解析式的实部和虚部规定一个实际零值。当相位的真值超过时，按模计算相位序列会造成相位卷叠。载波频率引起的线性相位分量，是造成相位卷叠的主要因素。因此，必须对模相位序列实施某种去相位卷叠算法。所选用的去相位卷叠

25、算法，是给模相位序列加上如下校正相位序列。 (3.1.3)去卷叠后的相位序列有一个主要由载波频率引起的线性相位分量。同时，在某个已调信号段中，噪声和调制信号对线性相位分量也有一定影响。值得注意的是，去卷叠后的相位序列与真正的相位序列相差一个常数。非线性相位分量的求法可根据载波频率的可知与否分为两种方法 鞠帅. 短波信道中数字调制信号的检测与识别D. 哈尔滨工程大学，2007.。1、载波频率未知，或者希望去除残余线性相位分量，则：假设未知的线性相位分量为，为去卷叠后的相位序列，只要使(平方和)最小，便可求得和，从而得到线性相位分量，于是非线性相位分量就可求出： (3.1.4)2、如果载波频率准确

26、已知，则： (3.1.5)其中，为载波频率，为采样频率，为去卷叠后的相位序列。本文后面所说的信号瞬时相位均是指信号的非线性相位。图 6 模拟调制信号的瞬时相位波形图6波形给出各个模拟信号的瞬时相位，其中AM和CW信号不含直接相位信息，相位变化为零；LSB信号和USB信号的相位呈增大趋势，FM信号的相位不断地发生变化；由于DSB信号的瞬时相位具有0和两个相位，DSB信号的瞬时相位呈无规律变化。3.1.3瞬时频率 信号的瞬时频率是对非线性相位求导后获得的： (3.1.6)在计算瞬时频率时要对非线性相位求导，会遇到数值微分的问题。数值微分的求法有两种 郑文秀. 数字通信信号调制方式的自动识别D. 西

27、安电子科技大学，2004.。1、数值差分法，即 (3.1.7)式中，为信号非线性相位序列。2、利用傅立叶变换的微分特性设信号非线性相位的傅立叶变换为，的傅立叶变换为，由傅立叶变换的微分特性可以得到： (3.1.8)则信号的瞬时频率为： (3.1.9)利用傅立叶变换微分特性的方法虽然可以获得更好的平滑性，但其运算量大，本文采用数值微分的方法获取信号的瞬时频率。 图 7 模拟调制信号的瞬时频率波形图7中，CW、AM信号无直接相位，所以瞬时频率也零；LSB和SSB信号的瞬时相位为线性变化，而信号的瞬时频率是对非线性相位求导后获得的，所以它们的瞬时相位也为零；FM信号的瞬时相位为一三角函数，经过线性求

28、导后仍为一三角函数；DSB信号的瞬时频率有正有负。3.2频域特征各常用模拟信号的频谱：已调信号的频谱：（3.2.1）AM信号：（3.2.2）DSB信号：（3.2.3）SSB信号：（3.2.4）其中为单边带滤波器的传输函数，（保留上边带，滤除下边带），（保留下边带，滤除上边带）。FM信号（本文所提到的是宽带调频信号）：（3.2.5）图 8 模拟调制信号的频谱图8中，载波频率为，所有信号的频谱都与调制信号的频谱类似，都是基带信号频谱在频域内的简单搬移，上面的波形只显示了右半轴。AM信号是带有载波分量的双边带信号，而DSB信号只留有两个边带，载波分量被去除；LSB信号通过对DSB信号进行单边带滤波，

29、只保留了原DSB信号的下边带，而USB则只保留了上边带；调频信号的频谱由载波分量和无数边频组成，FM信号的频谱不再是调制信号频谱的线性搬移，而是一种非线性过程。第四章常用模拟信号的分类算法4.1识别算法流程及特征参数4.1.1算法流程介绍模拟调制信号识别|P|t(P)|P|0LSBUSBDSBAMFMCWYNNYNYYNNY图 9 识别流程图 具体识别步骤如下：1、首先利用谱对称性P值将信号分为两类：USB、LSB与CW、AM、DSB和FM，然后理由LSB和USB信号P值的正负性将两者区分。2、利用零中心归一化瞬时幅度之谱密度的最大值将AM和DSB信号与其余信号区分开，再通过设置零中心非弱信号

30、段瞬时相位非线性分量的标准偏差的阈值将AM和DSB信号分开。3、设置零中心归一化非弱信号段瞬时频率绝对值的标准偏差的阈值将剩下的CW和FM信号区分。4.1.2所选特征参数根据参考文献 WANG Bin，GE Lin-dong，A novel algorithm for identification of OFDM signal J. IEEE Transactions on Communication, 2005, 53(1): 261-264.提取了基于常用模拟信号的瞬时信息（瞬时幅度、瞬时相位、瞬时频率）的特征参数的组合用于上述信号调制方式的识别，这些特征值参数如下：1、零中心归一化瞬时幅

31、度之谱密度的最大值： (4.1.1)式中，为取样点数，为零中心归一化瞬时幅度：其中为信号的瞬时幅度，为信号的平均幅度。表现了信号的幅度特性，对于CW和FM信号，它们的瞬时幅度为常数，所以他们的零中心归一化瞬时幅度，对于AM信号由于其瞬时幅度不为恒定值 ,所以它的零中心归一化瞬时幅度就不为零 ,对应其谱密度也不为零。从图6中看出，利用能将AM和DSB信号与其他信号区分开。阈值设置为200左右，200时判为AM和DSB信号，0.5的为USB或者LSB信号，而P0时判为LSB信号，P0时判为USB信号。4、零中心归一化非弱信号段瞬时频率绝对值的标准偏差 范海波，杨志俊，曹志刚，卫星通信常用调制方式的

32、自动识别J.通信学报，2004，25（1），140149.：(4.1.4)其中和所用到的指信号序列中的总次数。上几种特征值已经能将除CW和FM信号以为的所有信号都区分开，所以最后只需要直接区分CW和FM信号，从图13看出信噪比在8dB之前较难将两者分开，在10dB之后将阈值设置为0.25左右有较好的区分效果。图 13CW和FM的值(1-20dB)图 14 CW和FM的值（8-15dB）4.2仿真结果分析本文用到的实验结果图和实验数据均由MATLAB软件运行所得，其中模拟调制信号所应用到的数据：抽样频率为，载波频率为，调制频率为，调制信号的振幅为10，直流偏量为5。仿真环境为理想高斯白噪声信道，

33、信噪比取520dB而每个特征值所对应的阈值分别为，。经过各种调制信号在同一信噪比下进行100次独立仿真，得到在不同信噪比下（1dB步进）各种调制信号的正确识别率（正确识别次数与实验次数的比值）。仿真结果如下：图 15仿真实验结果由于CW和FM信号的瞬时频率在信噪比低的情况下的变化较大。使得零中心归一化非弱信号段瞬时频率绝对值的标准偏差也变化范围增大，所以在低信噪比情况无法将两信号区分。因此CW信号信噪比在6dB之前的识别率基本为0，直到10dB识别率到达90%左右，而在信噪比高于10dB的时候识别率超过了90%。其他信号在各信噪比下的识别率均在100%左右。仿真结果表明，在信噪比大于10dB时

34、，本文提出的参数能够以99%以上的正确率将6种模拟信号完全识别。为了提高信号在低信噪比下总的识别率，如何选取方便易于计算的特征值是本文需要进一步探讨的问题。第五章结论本文首先介绍了常用模拟信号的模型及其时域并对他们的频域特征做出简要分析，提出了决策理论模拟调制方式的识别方法，对常用模拟信号的瞬时相位和瞬时频率进行了小波去噪的处理，再得到了较好的识别效果。本文应用到的A. K. Nandi和 E. E. Azzouz在早期文献中提出的决策理论模拟信号调试方式的识别算法。将其流程简要的分为特征值的提取、将各个特征参数在不同信噪比的情况下进行多次试验后确定判决门限即阈值、写出预期的识别步骤、确定主要

35、识别过程然后画出框图、将提取的阈值放入总程序运行后观看试验结果即识别效率。从实验结果看出，虽然其他信号在各个信噪比的情况均能得到较高的识别率，但CW信号在SNR10dB的情况下有较好的识别效果。实验结果部分完成了实验要求。为了能在低信噪比在得到更高的识别效果，在实验参数的设定特征值的选择，阈值的设定和实验次数的适当选择上有待于进一步的研究和完善。参考文献（References）致 谢本课题在探讨和研究过程中得到胡保安老师的深切关怀和悉心教导，从开课题时的资料查找，到开题报告的提出，再到实验算法的确定和程序的编写，胡老师都给予了我很大的帮助。每当我有问题疑惑时，胡老师都孜孜不倦地为我解答。胡老师本着负责认真的态度协助我完成毕业设计，并且严格把握每道程序，虽然在我遇到困难的时候能给我适当的提示，但胡老师仍坚持让我独立完成毕业设计并严格要求我完善每个步骤，毕业论文经过反复的修改才得以通过。历时半年，终于在胡老师的协助和指导下完成毕业设计，在此谨向胡老师致以诚挚的谢意和崇高的敬意。