一种通信信号的自动调制识别技术研究
浅谈通信信号调制样式自动识别方法
类。
程 ， ００３， ６ —７ ． ２ １（） ５ ６５ ０
过 ， ｉｄ ｅ Ｋ ｎ ｌ的成 功 不是 电子 书 的成 功而 是 亚马逊 电子 商务 平 台的成 功 ， 有 内容 的亚马逊 可 以在 电子 书 产 品流行 的 时候 推 广 电 拥
子书， 也可以在电子书衰落时， 用其他终端 售书， 并不依赖某一种硬件终端。 而国内电子书厂商并没有一个类似的优势 内容平
该方法的主要特点是避免 示， 即尺度参数和位置参数。 从这个意义上说， 各种信号的本 性推理得到接收信号的调制方式。
身特征都可以用该信号分解成的许多小液的尺度和位 置来识 了复杂 的信号处理过程。
识别。 小波变换能够把任何信号映射到一个由母小波伸缩 ， 平移而构成的小波函数上去， 实现信号在不同时刻， 不同频 带的合理分离而 不丢失任何原始数据。
探 索 ， 出了很 多新思 路 和 新方 法 。 提
某些特征作为识别的依据 ， 这类方法有很多。 ｉｄ ｋ 提 出了 Ｌｅｔｅ
一
１ 调制样 式识 别过程
一
种数字调制信号的 自动识别方法。 该方法通过信号的解调
个完整的调制样式 自动识别系统包括以下几个 部分 ：
和参数 提取， 构造信号的幅度 直方 图、 率直 方图、 频 差分相
幅度方差和频率方差等 分类特 征。 然后通过模式 信号预处理模块 、 特征提取模块和调制样式识别模 块。 信号 位直 方图、 将选取分类特 征与理想样本的特征参数相 预处理模块的主要功能是为后续处理提 供合适的数据 ， 其任 识别的分类 方法， 务一般包括： ／ 转换 、 ＡＤ 频率下变 频、 同相和正交分量分解 、 比较 ， 按最近 原则进行信号 自动分类 。 这种方法 能在信噪 比 ８Ｂ 有效识别Ａ 、 Ａ Ｋ ２ Ｓ 、 Ｐ Ｋ ４ Ｓ 等 Ｍ ２Ｓ、 ＦＫ ２Ｓ、 Ｆ Ｋ 载 频估计和载 频分量 的消除 等。 多信道多发射 源的环境 大干１ｄ 的情况下， 在 信号。 ．．ｈ ｎ ＹＴＣ ａ 等人在Ｉ Ｅ 发表文章 ， ＥＥ 对调制信号的包络进行 中， 号预 处 理 部 分 要 能 有 效 地 隔 离 各 个 信 号 ， 证 一 次 只 信 保 采用参 数Ｒ包络平方的均值和包络方差 的比值） （ 对四种 有一个信号进入后续的调制 识别环节。 特征提取模块 是从输 分析， 模拟信号分类 ， 取得了初步成 果。 ． ｓ ａ ｅ 等人把中频通信 ＫＡ ｓ １ｈ 入 的信号序列 中提取对调制识别有用 的信息， 主要是从数据 通过求 解 自回归模型参数 ， 来 中提取信号的时域特征或变换域特征 。 时域特征包括信号的 信号建模 为时变 自回归过程 ， 利用瞬 时频率与瞬时带宽 瞬 时幅度、 瞬时相位或瞬时频率 的直方图或其它统计参数。 估计信号的瞬时频率和瞬 时带宽，
《基于机器学习算法的通信信号调制识别》范文
《基于机器学习算法的通信信号调制识别》篇一一、引言在当前的信息化时代，通信信号调制识别是无线通信领域的重要研究方向。
传统的通信信号调制识别方法通常依赖于专家经验和复杂的信号处理算法，但在复杂的电磁环境中，这些方法的准确性和效率往往受到限制。
近年来，随着机器学习算法的快速发展，其强大的模式识别和分类能力为通信信号调制识别提供了新的解决方案。
本文旨在探讨基于机器学习算法的通信信号调制识别技术，分析其原理、方法和应用。
二、机器学习算法在通信信号调制识别中的应用原理机器学习算法通过学习大量数据中的规律和模式，实现自动分类和预测。
在通信信号调制识别中，机器学习算法通过训练大量的已知调制类型的通信信号样本，学习各种调制信号的特征和模式，然后利用这些特征和模式对未知的通信信号进行调制识别。
三、常用的机器学习算法及其在通信信号调制识别中的应用1. 监督学习算法：监督学习算法通过已知标签的训练数据集进行训练，学习输入与输出之间的映射关系。
在通信信号调制识别中，可以利用已知调制类型的训练数据集训练分类器，然后对未知的通信信号进行分类。
常用的监督学习算法包括支持向量机（SVM）、决策树、神经网络等。
2. 无监督学习算法：无监督学习算法通过无标签的训练数据集学习数据的内在规律和结构。
在通信信号调制识别中，可以利用无监督学习算法对复杂的电磁环境中的通信信号进行聚类和分析，提取有用的特征和模式。
常用的无监督学习算法包括聚类分析、密度估计等。
四、基于机器学习的通信信号调制识别的实现方法基于机器学习的通信信号调制识别的实现方法主要包括以下步骤：1. 数据采集：收集各种调制类型的通信信号样本，包括不同信噪比、不同传输条件下的信号。
2. 数据预处理：对采集的通信信号进行预处理，包括去噪、特征提取等操作，提取出有用的特征和模式。
3. 训练模型：利用预处理后的数据训练机器学习模型，如神经网络、支持向量机等。
4. 模型评估：利用已知的测试数据集对训练好的模型进行评估，检验其准确性和泛化能力。
一种MPSK信号调制方式识别方法研究
ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｏ ｆ ｔ ｈ ｅ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｗｈ ｉ ｃ ｈ ｃ ａ ｎ ｂ ｅ ｅ ａ ｓ ｉ ｌ ｙ ｉ ｎ ｌ ｆ ｕ ｅ ｎ ｃ ｅ ｄ ｂ ｙ ｍｕ ｌ ｔ ｉ —ｐ ａ ｔ ｈ ｅ ｆ ｆ ｅ ｃ ｔ ａ ｎ ｄ
１ 引言
随着近些 年 通信 技 术 突 飞猛 进 的发 展 ， 无线 通 信的环境越来越 复杂 ， 如何能在 复杂 电磁环境 下有效 的掌握声信号 的调制 体制 及参 数 是 电声 信 号处 理领 域 的重要研究 课题 １ Ｊ 。信号调 制 方式 识别 技术 是盲
信号处理 的重 要组成部分 ， 其 可 以在调制参数 以及调
数 字 信 号 处 理
６ ６ 圈０ ６ 回 响囿 ０ 胪 ⑨＠ ＠ 岛 ｓ ６ 响
一
种 ＭＰ Ｓ Ｋ 信 号调 制 方式 识 别 方 法 研 究
王 晓 东， 刘 镝
・ 方 法 研 究 ・
（ 中国人 民解放 军 ９ ２ ７ ８ ５部 队， 河北 秦 皇岛 ０ ６ ６ ０ ０ ４ ） 【 摘 要 】信号调制方式识别 技术是盲信号处理 的关键技术之一 ， 文中在研究 Ｍ Ｐ Ｓ Ｋ信号 的常用分 类识别 方法的基
研究 了一种 改进 的 Ｍ Ｐ Ｓ Ｋ类 内识别 方 法并 对其识 别 性能进行 了实 验仿真 。
２ 识 别 算 法描 述
２ ． １ 常见的识别算 法介绍
ＭＰ Ｓ Ｋ信号 的一般表 达式为
制 内容未 知的情 况下 ， 判定 接 收信号 的调 制方 式 ， 从 而为下 一步正确解 调获 得信 号所 携带 的信 息 提供 理 论依据 Ｊ 。信号 的调制 方式 识别 可 以分 为类 问识别 和类 内识 别 ， 类 间识 别 是指 不 同调 制体 制 之 间 的识
通信信号的调制识别
通信信号的调制识别
主讲内容
简 介
基本概念 目的意义
主要方法 心 得
基本概念
通信信号的调制方式识别 技术是将接收或截获到的 通信信号经过特定的分析 处理，从而自动的识别出 信号调制类型的新技术。
研究的目的及意义
在军事应用和国家安全方面，调制识别技术应用广泛。 为截获通信情报，首先要识别出信号的调制方式，之后才 能正确解调以及进行随后的信息处理和分析；在电子战中 ，实施电子对抗（ECM）、电子反对抗（ECCM）、威胁 识别、目标捕获和定位等，都需要通过调制识别技术来分 析通信信号或其它电子信号的参数和性质。在民用方面， 政府有关职能部门需要监视民用通信信号，以实现干扰识 别和电磁频谱管理。在卫星测控通信中，调制识别技术可 为测控通信的安全性和抗干扰能力提供额外保障。调制识 别技术也是卫星载荷中干扰子系统中的关键技术，具备自 动调制识别技术的军事卫星可在信息对抗中占据主动地位 ，增强与地面协同作战能力。
调制识别流程图
• A基于判决理论
心
得
• 其实在调制识别方面可以从简单的方法学起，比如通过对 信号加平方、四次方等然后再进行频域变换，观察其频谱 情况进行粗略判断。这样MFSK就与MPSK、MASK显示 出明显区别。 • 其实各种方法都是基于一定特征的提取进行不同调制方式 的判断，因此，在今后的识别技术发展过程中，如何能在 低信噪比、高速、实时、设备小重量轻的情况下运用于卫 星进行星上处理是我国进行军事侦察截获的判决理论（特征提取判决）
•
• • •
根据截获信号帧的各个信号段适合调制识别的程度，提出了一个判决信号质 量的准则。因此，先根据每个信号段作出有关调制方式的判决，然后再根据 截获信号帧的所有信号段作出全局判决，其方法是将全局判决与每个信号段 的判决进行比较。主要包括两步：1）对每个信号段进行分类，此时提取特征 并与适当门限值比较；2）对信号帧分类，此时应用大数逻辑规则来得出关于 接收信号帧的调制方式的全局判决。特征提取：γmax、σap、σdp、σaa、 σaf（从信号的瞬时幅度、瞬时相位、瞬时频率中提取，后面会给出具体表达 式），然后与适当门限值进行比较。 B.基于神经网络 C.基于小波变换 D.基于分型理论
无线通信信号调制模式的自动识别与研究
无线通信信号调制模式的自动识别与研究随着无线通信技术的迅猛发展，人们对于无线通信信号调制模式的自动识别与研究的需求日益增长。
无线通信信号调制模式的自动识别是指通过对接收到的无线信号进行分析和处理，自动判断信号的调制模式，从而实现对不同信号的识别与分类。
无线通信信号调制模式的自动识别具有重要的应用价值。
首先，它可以应用于无线通信系统中的信号监测与干扰检测。
通过自动识别不同调制模式的信号，可以及时发现和定位干扰源，保证通信系统的正常运行。
其次，自动识别无线通信信号调制模式还可以应用于无线通信系统的频谱监测与管理。
通过对不同调制模式信号的自动识别，可以有效地进行频谱资源的分配和管理，提高频谱利用效率。
此外，自动识别无线通信信号调制模式还可以用于无线通信系统的安全保密。
通过对无线信号调制模式的识别，可以判断是否存在非法用户或者恶意攻击，从而提高无线通信系统的安全性。
针对无线通信信号调制模式的自动识别，目前已经涌现出许多研究方法和算法。
其中，常用的方法包括基于特征提取的方法和基于机器学习的方法。
基于特征提取的方法通过对信号的时域和频域特征进行分析和提取，来实现信号调制模式的识别。
而基于机器学习的方法则利用机器学习算法，通过对一定数量的已知调制模式信号进行训练，从而实现对未知调制模式信号的自动识别。
然而，无线通信信号调制模式的自动识别仍然存在一些挑战和难点。
首先，现实中的无线信号具有复杂的特征和多样性，需要针对不同的信号类型设计相应的特征提取算法或者机器学习模型。
其次，无线信号的传输环境和传输条件会对信号进行混叠和失真，从而影响信号调制模式的自动识别。
最后，由于不同调制模式之间存在相似性，使得识别过程中可能存在分类错误的情况。
综上所述，无线通信信号调制模式的自动识别与研究是一个具有挑战性的课题。
通过不断研究和改进相关算法和方法，可以提高无线通信信号调制模式的自动识别准确性和鲁棒性，从而为无线通信系统的发展和应用提供更好的支持。
通信中数字调制信号自动识别算法
（ ｅ ａｔ ｎ ｆ ｌ ｔｃｌ ｎ ｆｒ ｔ ｎＥ ｇ ｅｒ ｇ Ｈ ｎ ｉｅｓｙ Ｃ ａｇｈ ０ ２ Ｃ ｉａ Ｄ ｐｒ ｍｅ ｔ ｅ ｒ ａ ａｄＩ ｏｍａｉ ｎ ｉ ｅｉ ， ｕ ａ Ｕｎｖｒｉ ， ｈｎ ｓａ １ ８ ， ｈｎ ） ｏＥ ｃｉ ｎ ｏ ｎ ｎ ｎ ｔ ４ ０
有效性 。
关键词 ：调制识别 ；分形维数 ；高阶 累量 ；抗噪声性 能；特征参数
Ａｕ ｏｍａ ｃＲｅ ｏ ｎ ｔｏ ｇ ｒｔ ｔ ｉ ｔ ｃ ｇ ｉ ｎ Ａｌ ｏ ｉｈｍ ｏ ｇ ｔ ｌＭ ｏ ａ ｉ ｎ Ｓｉ ｎａ ｎ Ｃｏ ｍ ｕｎ ｃ ｔｏ ｉ ｆ ｒＤｉ ｉａ ｄｕ ｔｏ ｇ ｌ ｍ ｉ ｉａ ｎ ｉ
１ 引 言
对 于 通 信 系 统 来 说 ， 调 制 方 式 是 一 个 重 要特 征 ，
域远 未 发展 成 熟 。表 现 为 尚缺乏 一个 完整 的研究 体 系， 现有方 法缺 乏普适 性 、对 假设 条件依 赖较 多 、 如
识 别 性 能 没 有 一 个 统 一 的评 价 标 准 等 。 于 将 信 号 的 由
Ａｂｓｒ ｃ ：Ｉ ａ ａ ｇｏ ｄ ｎ ｓ ｉ ｍ ｕ ｉ ｏ ｔｋ ｔｅ ｈｇｈ ｏ ｄ ｒ ｃ ｍｍ ｕａ ｔ ｏ ｈ ｉｎ ｌａ ｉ ｈ ｓ ｃ ａ ａ ｔｒｓｉ ｔ ａ ｔ ｔ ｈ ｓ ｏ ｏｉｅ ｍ ｎｔ ｔ ａ ｅ ｈ ｉ —ｒｅ ｕ ｙ ｌｎｓ ｆ ｔｅ ｓｇ ａ ｓ ｔ ａ ｈ ｒ ｃｅ ｔｃ ｉ
ｉ ｅ ｔｆｅ Ｓ ，ｔｉ ｃ ｓ ａｙ ｔ ｒｎ ｎ ｆａ ｔ ｌ ｈ ｏ ． ｅｐ ｐ ｒｔｋｅ ｈ ｍ ｂ ｎ ｔ ｎ ｏ ｅｈｉｈ ｏ ｄ ｒｃ ｄ ｎ ｉ ｄ．Ｏ ｉ ｓｎｅ ｅ ｓ ｒ ｏ ｂ ｇ ｉ ｒ ｃａ ｅ ｒ Ｔｈ ａ ｅ ｉ ｉ ｔ ｙ ａ ｓｔｅｃ ｉ ａｉ ｆｔ ｇ — ｒ ｅ ｕｍｍ ｕ ａ ｔ ｎ ｏ ｈ ｌｎ ｓａ ｄ
探讨数字通信信号调制方式自动识别算法
探讨数 字通 信信 号调 制方式 自动识别算 法
杨 胜 义
（ 兰 州理 工 大 学 甘肃 省 兰 州 市 ７ ３ ０ ０ ０ ０ ）
摘 要： 调制方式 的 自动识别是通信 接收系统 设计 的重要研究课 题， 本文结 合实际工程 提出 了一种信号调 制方式 的 自动识别 算 法 。与其他算法相 比， 该算法的显著特点是 结构 简单、 计算量较小 、 适合 实时计 算， 而且当环境 的信 噪 比较低 时， 该算法具有较高 的识 别准确度 ； 同时该算法还考虑 了参数符合成 形的影响， 这就让该算法更能满足实 际工程 的需要。 关键词 ： 调制方式识 别； 通信信号； 识别算法
圈 差 三
蛐ｎ ｌ 捌Ⅺ ０ 枷
１ ６ ０ ０
象样点藏 （ 个）
ａ ）成 形前 的 ２ Ｐ Ｓ Ｋ信 号￣ ｇ ｔ Ｊ ｔ
采样点教 （ 个＇
ｂ ）戚彤 以后 的 ２ Ｐ Ｓ Ｋ信 号幅 度
４
幅度产生影响。 下面 以 Ｑ Ｐ Ｓ Ｋ和 Ｂ Ｐ Ｓ Ｋ两种信 号为例 ， 来分析符 号成形对 信号相位的提取以及对信号瞬时幅度 带来 的影响。
－
－
｜ 、 佃
．
．～
，
｜ ５ ｜ ＼ 一
频 城 波 彤
图 １
Ｉ － ．
萋ｔ
■ 辛 ０ ． ６
曩 ｏ － ２
０
州域 波 形
从 图 １中 我 们 可以 看 出 ｇ （ ｔ ） 在 频 域 上 是 带 宽 有 限的 ， 而 在 时 域 上 是 无ห้องสมุดไป่ตู้限的 ， 仅仅在码元 的判决时该始终为零 。 一般情况下只考虑 ３个窗 口， 在 ３个 窗 口以后 衰 减 就 很 大 ， 可 以忽 略 。因 为在 时 域 上 是 无 限 的 ， 这 就 必 然 会 造 成 前 后码 元之 间相 互 影 响 ， 从 而 对 信 号相 位 的提 取 和 信 号 的 瞬 时
无线通信中的调制识别技术研究
无线通信中的调制识别技术研究随着无线通信技术的不断发展和普及，人们对于无线信号的调制方式识别技术越来越感兴趣。
调制方式识别技术是指通过对无线信号进行分析和识别，获取其调制方式信息，从而实现无线信号的分类和判别。
在无线通信领域，调制识别技术是非常重要的一个研究方向，它不仅可以应用于通信系统的性能分析和故障诊断，还可以被广泛地应用于无线电侦听、无线频谱监测等领域。
一、无线信号调制方式的分类在介绍调制识别技术之前，我们需要了解不同调制方式的分类。
在无线通信中，常见的调制方式包括：幅度调制（AM）、频率调制（FM）、相位调制（PM）、多进制调制等。
1. 幅度调制（AM）幅度调制是指将信号的幅度按比例变化来调制载波的调制方式。
在实际应用中，幅度调制被广泛应用在调幅广播、调幅电视等领域。
其主要特点是调制信号范围有限、抗干扰能力差，对信号的调制深度要求较高。
2. 频率调制（FM）频率调制是指将信号的频率按比例变化来调制载波的调制方式。
在实际应用中，频率调制广泛应用于调频广播、音频传输等领域。
其主要特点是调制信号范围较大、抗干扰能力较强，但对于载波频率稳定度要求较高。
3. 相位调制（PM）相位调制是指将信号的相位按比例变化来调制载波的方式。
在实际应用中，相位调制广泛应用于调制信号传输距离较远的场合，如卫星通信、数字通信等领域。
其调制范围较小、抗干扰能力较强。
4. 多进制调制多进制调制是将不同的调制方式组合在一起进行调制，以进行更有效和更高质量的数据传输。
常见的多进制调制方式包括QAM、PSK、FSK等。
二、调制识别技术的研究意义在无线通信领域，调制识别技术具有非常重要的意义。
首先，通过对无线信号的调制方式进行识别，可以更好地进行通信系统的性能分析和故障诊断，从而实现对无线通信系统的优化配置；其次，通过无线信号的调制方式识别，可以判断无线通信系统中是否存在非法入侵或恶意干扰行为，对网络安全和信息安全具有非常重要的监管和保障作用。
信号调制方式自动识别的研究的开题报告
信号调制方式自动识别的研究的开题报告一、研究背景信号调制是指将信息信号转换为适合传输和处理的电磁波信号的过程。
通信系统中广泛采用的调制方式有多种，例如调幅（AM）、调频（FM）和调相（PM）等。
因此，在现实中，需要对接收到的信号进行调制方式识别，以便正确地解调出信号中传递的信息。
二、研究目的本研究的目的是设计一种能够自动识别信号调制方式的算法，并在实际应用中进行测试和验证。
通过研究信号调制方式的自动识别，能够提高通信接收效率，减少数据传输误差，使通信系统具有更高的可靠性和稳定性。
三、研究内容1. 调制信号的特征提取方法研究。
通过对调制信号的多种特征进行分析和比较，提取出最具代表性的特征，并加以优化和选择，以提高识别准确率。
2. 信号分类算法设计。
通过对多种信号调制方式进行深入的研究和分析，设计一种快速准确的信号分类算法，以实现对不同调制方式信号的自动识别。
3. 实验验证和性能评估。
在实验室和现场环境下，通过收集不同调制方式的信号数据，对设计的算法进行测试和验证，并在识别准确率、算法速度、鲁棒性和实现成本等方面进行全面评估。
四、研究意义1. 提高通信系统的可靠性和稳定性。
自动识别信号调制方式可以有效地降低信号传输误差，提高通信接收效率。
2. 为信号处理和通信技术领域的发展提供技术支撑。
信号调制方式的自动识别是通信技术和信号处理领域的重要研究方向之一，本研究将为该领域的发展提供技术支撑和理论指导。
3. 具有广泛的应用前景。
自动识别信号调制方式的算法可以应用于无线通信、数据传输、雷达检测等多个领域，具有广泛的应用前景和市场需求。
五、研究方法1. 理论研究。
对现有信号调制方式的理论知识进行深入学习和探究，并结合实验数据进行分析和整合。
2. 算法设计。
基于理论研究，设计适合自动识别信号调制方式的特征提取方法和信号分类算法。
3. 实验验证。
在实验室和现场环境下，采集不同调制方式的信号数据并进行实验验证和性能评估。
《基于机器学习算法的通信信号调制识别》范文
《基于机器学习算法的通信信号调制识别》篇一一、引言在通信领域中，信号调制识别是一项关键技术。
随着无线通信技术的快速发展，通信信号的调制方式日益复杂多样，因此，如何准确、快速地识别出通信信号的调制方式成为了一个重要的研究课题。
传统的信号调制识别方法往往依赖于人工特征提取和分类器设计，但这种方法在面对复杂的调制方式和多变的环境时，往往难以取得理想的效果。
近年来，随着机器学习算法的快速发展，基于机器学习的通信信号调制识别方法成为了研究的热点。
本文旨在探讨基于机器学习算法的通信信号调制识别技术，并对其性能进行评估。
二、相关工作在过去的几十年里，许多研究者对通信信号调制识别进行了广泛的研究。
早期的调制识别方法主要依赖于人工特征提取和分类器设计，如基于瞬时频率、循环谱等特征的识别方法。
然而，这些方法在面对复杂的调制方式和多变的环境时，往往难以取得理想的效果。
近年来，随着机器学习算法的快速发展，越来越多的研究者开始将机器学习算法应用于通信信号调制识别领域。
例如，支持向量机（SVM）、神经网络等算法被广泛应用于信号调制方式的自动识别。
三、基于机器学习的通信信号调制识别3.1 数据集与预处理在进行通信信号调制识别之前，需要构建一个包含多种调制方式的信号数据集。
数据集应包括不同调制方式下的信号样本，并对信号进行预处理，如去噪、归一化等操作，以提高识别的准确性。
3.2 特征提取特征提取是通信信号调制识别的关键步骤。
在机器学习中，特征的质量直接影响到模型的性能。
因此，需要从原始信号中提取出具有代表性的特征。
常用的特征包括瞬时频率、循环谱等统计特征以及时频域等变换特征。
此外，深度学习技术也可以自动从原始信号中学习出有效的特征表示。
3.3 机器学习算法在通信信号调制识别中，常用的机器学习算法包括支持向量机（SVM）、神经网络等。
其中，神经网络具有较强的学习和泛化能力，能够自动从大量数据中学习出有效的特征表示和分类器。
在实际应用中，可以根据具体的需求和场景选择合适的机器学习算法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种通信信号的自动调制识别技术研究
摘要本文利用在通信信号自动调制识别未知调制信息的前提下，判断出信号的调制方式，并估计出信号的调制特征参数。
并阐述了用邻域粗糙集属性快速约简算法进行特征参数选择的，然后利用BP神经网络作为识别器对信号进行识别。
【关键词】邻域粗糙集特征选择属性约简快速算法 BP神经网络
如果想要在多信号环境或有各种噪声干扰的条件下确定调制样式和信号参数，就必需对通信信号的自动调制识别有必要的研究。
调制信号的自动识别的研究目标一般包括信号预处理、信号特征提取、信号特征选择和分类器设计四部分。
本文以调制信号的自动识别作为研究目标，主要实现邻域粗糙集快速约简算法对特征参数的选取，以对通信信号进行有效的识别奠定基础。
1 调制信号特征参数的提取
对于从不同渠道截获的通信信号，为了提取到可信的和可用的特征参数，首先，必须对所获取的通信信号采用相关的方法进行预处理，在此基础上才能对其进行特征参数的提取。
2 通信调制信号特征选择
本文选择了基于邻域粗糙集的快速约简算法，这种算法利用正域与属性集的单调关系，能够直接处理连续型属性，而无需对其进行离散化处理，也就避免了因为离散化而带来的重要信息的损失。
2.1 属性选择快速算法
属性选择过程常采取前向贪心搜索策略，通过测试加入新的候选属性后度量指标的变化，来生成新的属性子集。
以粗糙集属性依赖度作为度量指标时，需计算属性子集下的正域样本个数。
以往在逐个向已选条件属性集E中添加任一新属性r时，要重新依次判断各个样本是否在正域内。
根据新加入的属性仅对区分边界样本有效，在计算决策属性D对（E+r）的属性依赖度时，只需判断原来负域中的样本即可。
由此可能大大减少样本判断次数。
2.2 快速约简结果
表1中δ表示邻域的大小，N1和N2分别表示经过特征提取后的原始特征数目和经过快速约简后选择出的特征数目，Accuracy表示快速约简后选择的特征子集的分类精度。
本文只列出信噪比为30dB时的属性约简结果。
表1中可以发现当δ小于0.1时，快速属性约简算法后特征选择得到的参数比较少，相对应的分类精度也比较低；而且当δ大于0.5时，特征参数的选择达到一个稳定的趋势。
3 BP神经网络调制识别
利用6300个信号样本作为本文研究的实验对象。
其中的4200个通信调制信号样本作为训练样本，剩下的2100个通信调制信号样本作为测试样本。
采用本文介绍的方法直接对其进行快速属性约简。
将经过属性约简后形成的决策表中的数据作为三层BP网络的训练样本进行训练，最后用训练好的BP网络对待识别的通信信号进行识别。
图1给出了信噪比在15dB下、δ=0、0.4、0.7时的调制信号识别图。
图2给出了信噪比在30dB下、δ=0、0.4、0.7时的调制信号识别图。
从图1和图2可以看出δ为0时，各个调制信号的识别率都比较低，因为快速属性约简后得到的特征数目较少，不能充分的识别各个调制信号，但随着信噪比的增大，可以明确的识别两种信号，因为调制信号提取的一个特征可以识别两种信号。
并且随着信噪比的不断增大，单个信号识别率和总体信号平均识别率都在不断提高。
需要说明的是，实验结果与神经网络隐含层神经元个数有直接的关系，但论文没有详细的阐述。
4 结论
本论文采用了不需离散化的邻域粗糙集快速属性约简算法来进行特征选择，也就避免了因为离散化处理而丢失
一些重要的信息，通过大量实验得出利用这种方法和BP神经网络相结合进行调制信号识别的识别率是有保障的，随着信噪比的增加，各个调制信号的识别率都在增加。
参考文献
[1]常犁云，王国胤，吴渝.一种基于Rough Set理论的属性约简及规则提取方法[J].软件学报，1999，10（11）：1207-1211.
[2]张雪峰，张庆灵.粗糙集数据分析系统MATLAB仿真工具箱设计[J].东北大学学报，2004，28（1）：40-43.
[3]范小骞.电子对抗中通信信号数字调制自动识别的研究[D].太原：太原理工大学，2006.
[4]赛英.粗糙集扩展模型及其在数据挖掘中的应用研究[D].长沙：国防科技大学，2002.
[5]Jensen R，Shen Q.Semantics-preserving dimensionality reduction：rough and fuzzy-rough-based approaches.IEEE Transaction on Konowledge and Data Engineering，2004，16（12）：1457-1471.
[6]胡清华，于达仁，谢宗霞.基于邻域粒化和粗糙逼近的数值属性约简[J].软件学报，2008，19（3）：640-649.
[7]胡清华，赵辉，于达仁.基于粗糙集的符号与数值属性的快速约简算法[J].模式识别与人工智能，2008，21（6）：732-738.
作者单位
许继集团许继电源有限公司河南省许昌市 461000。