基于谱线特征的调制方式自动识别方法
卫星通信常用调制方式的自动识别
卫星通信常用调制方式的自动识别作者：孙兵刘毅来源：《科学大众》2019年第06期摘; ;要：在卫星通信过程中，信号的调制方式具有非常重要的作用，直接影响着卫星通信的效果。
自动识别信号调制方式，能够有效提高卫星通信的质量，保证卫星通信的稳定性。
因此，在卫星通信建设过程中，加强对信号调制方式自动识别方法的研究，对发展卫星通信具有非常重要的意义。
文章对卫星通信常用调制方式的自动识别进行系统的分析，结合当前常用的调制信号自动识别方法，提出可靠的建议，以促进我国卫星通信的发展和进步。
关键词：卫星;通信;调制方式;自动识别现如今，随着我国社会经济的快速发展以及科学技术水平的不断提高，我国在卫星通信领域的建设取得了喜人的成果。
目前，在卫星通信的调制信号自动识别方面，常用的方法有瞬时时域法、高阶矩高阶累积量法等，这些方法具有一定的优势，但同时也有一定的不足。
因此，必须要在调制信号自动识别方面不断加强研究，优化自动识别方法，推动我国卫星通信的进一步发展。
1; ; 当前卫星通信领域常用的调制信号频谱特征1.1; 信号功率谱信号功率谱的主要作用就是对调制信号的各个频率分量的功率分布进行直接的反映，能够使人直观地看到各个频率分量的调制信号的功率分布情况。
不同分量的信号，在功率谱中显示出的分布情况具有非常大的差别，利用功率谱能够有效识别各类信号，这也是卫星通信常用信号频谱的主要特征之一。
1.2; 信号平方谱信号经过平方运算后会产生很大的直流量，此时形成的功率谱与普通的信息功率谱有很大的不同，能够对调制信号倍频后的功率分布进行直接反映，这就是信号平方谱。
对于调制指数较小的调制信号，普通的信号功率谱无法有效反映其信号功率的分布特征，此时就可以使用信号平方谱对其进行识别，例如对频移键控（Frequency Shift Keying，FSK）信号，通过倍频处理产生信号平方谱，就能够有效检测其单频分量。
1.3; 信号四次方谱四次方谱，简而言之就是将信号进行四次方处理，从而得到的功率谱。
通信信号调制类型的自动识别
目录1引言 (1)2信号调制类型的算法 (1) (1) (2) (3) (5)3基于决策理论的调制类型识别 (6) (6)3.1.1幅度键控调制（ASK） (6)3.1.2相移键控调制(PSK) (7)3.1.3频移键控调制(FSK) (7) (8) (8) (10)4仿真及结果分析 (13) (13) (16) (18) (19)致谢 (20)参考文献： (20)附录 (22)1引言通信信号调制方式自动识别是信号分析领域中一个比较新的研究方向，它有很大的应用前景，尤其是在军事通信领域。
随着电子对抗技术研究的不断升温，迫切需要进行调制信号自动识别技术的研究，它被广泛应用于：信号确认、干扰识别、无线电侦听、电子对抗、信号监测和威胁分析等领域。
目前已有的信号调制识别方法主要分为两大类：基于决策理论的方法和基于统计模式识别的方法。
大多基于决策理论的方法都需要对每一个特征参数选择一个最优的门限，而且特征参数提取和进行信号识别的顺序都会直接影响识别率。
基于统计模式识别的方法可以分成两个部分:特征提取和分类器设计。
特征提取负责对接收到的信号提取出最能表现其调制特征的参数。
而分类器则根据已提取出的特征把信号划分到相应的类别。
前者检验统计量计算复杂且需要一些先验信息但判别规则简单；后者特征提取简单、易于计算但判别规则复杂[1]。
本文针对通信信号数字调制方式的特点，在决策理论的基础上提出了一种改进过的调制方式识别算法并进行了软件仿真。
仿真结果表明：该算法不仅能识别现代通信常用的各种数字调制方式，如2ASK，2PSK，2FSK，4ASK，4PSK，4FSK，而且算法简单，适合实时操作，同时具有较好的抗噪声性能和较高的识别准确度。
2信号调制类型的算法调制方式识别是介于能量检测和信号完全解调之间的过程。
对于能量检测只要知道接收信号粗略的中心频率和带宽。
而信号解调不仅需要知道精确的中心频率和带宽，还必须知道该信号采用的调制方式以及对应的调制参数。
基于软件无线电的调制信号自识别系统设计与实现
基于软件无线电的调制信号自识别系统设计与实现目录一、内容概括 (2)1.1 背景与意义 (3)1.2 研究目标与内容 (4)二、相关工作与技术概述 (5)2.1 软件无线电技术简介 (6)2.2 调制信号自识别技术研究现状 (7)2.3 软件无线电与调制信号自识别技术的结合 (9)三、系统设计与实现 (10)3.1 系统总体设计 (11)3.2 频谱分析与跟踪模块设计 (13)3.3 自适应滤波与解调模块设计 (14)3.4 系统软硬件协同设计 (15)四、仿真验证与性能评估 (16)4.1 仿真模型构建与验证 (17)4.2 实验设计与结果分析 (18)4.3 性能评估标准与方法 (19)五、结论与展望 (20)5.1 主要成果总结 (20)5.2 研究不足与改进方向 (21)5.3 未来工作规划与展望 (23)一、内容概括本文档主要介绍了基于软件无线电的调制信号自识别系统的设计与实现。
软件无线电作为一种新兴技术，以其灵活性和可重构性在通信领域得到广泛应用。
调制信号自识别系统是软件无线电中的关键部分，能够在接收到的信号中准确识别出不同的调制方式，从而提高通信系统的性能。
本文将详细介绍系统的设计要求、设计原则以及实现过程。
我们将概述调制信号自识别系统的背景、目的和意义，阐述其在现代通信中的重要性。
我们将分析系统的关键要素，包括信号接收模块、信号处理模块、特征提取模块以及识别模块等组成部分，并探讨各模块间的相互作用与联系。
在系统设计部分，我们将详细阐述系统的设计思路、设计方法和设计流程。
包括系统架构的设计、算法的选择、关键技术的实现等。
我们还将讨论系统设计的难点和解决方案，如信号特征的准确提取、高效识别算法的开发等。
在实现过程中，我们将介绍系统的具体实现步骤，包括硬件平台的选择、软件编程环境的选择、具体算法的实现等。
我们还将分析系统在实现过程中可能遇到的问题及解决方案，如系统性能的优化、错误处理机制的建立等。
卫星通信信号体系调制识别技术_马兆宇
１．２ 频 谱 特 征
信号频谱是对 信 号 在 频 域 的 一 种 描 述，不 同 调 制 方 式 的 信 号，在 频 域 上 表 现 为 不 同 的 形 式。 信号高阶 谱 可 以 较 好 地 反 映 多 种 调 制 方 式 的 特 性，并能正确 地 提 取 相 应 的 特 征 参 数。 由 于 信 号 倍频后会产生很 大 的 直 流 分 量，所 以 需 对 信 号 进 行带通滤波处理，确 保 在 低 信 噪 比 （ＳＮＲ）条 件 下 准确提取谱特征参数。
航 空 学 报 Ａｃｔａ Ａｅｒｏｎａｕｔｉｃａ ｅｔ Ａｓｔｒｏｎａｕｔｉｃａ Ｓｉｎｉｃａ ｈｔｔｐ：／／ｈｋｘｂ．ｂｕａａ．ｅｄｕ．ｃｎ ｈｋｘｂ＠ｂｕａａ．ｅｄｕ．ｃｎ
ｄｏｉ：１０．７５２７／Ｓ１０００－６８９３．２０１４．００８９
Ｄｅｃ．２５ ２０１４ Ｖｏｌ．３５ Ｎｏ．１２ ３４０３－３４１４ ＩＳＳＮ １０００－６８９３ ＣＮ １１－１９２９／Ｖ
１ 高 阶 累 积 量 特 征 与 频 谱 特 征
１．１ 高 阶 累 积 量 特 征
高阶累积量算 法 具 有 一 地 应 用。 然 而，目 前 高 阶 累 积 量 的 理论值都是建立 在 信 号 矩 形 成 形 的 基 础 上，没 有
考虑升 余 弦 成 形 对 信 号 高 阶 累 积 量 的 影 响。 因 此 ，对 于 升 余 弦 成 形 的 卫 星 通 信 信 号 来 说 ，现 有 文 献中的高阶累积量理论值不能作为其特征参量的 参考值。为解决 这 一 问 题，将 高 阶 累 积 量 与 谱 特 征相结合并最终 应 用 到 卫 星 通 信 中，本 文 首 先 对 升余弦成形的常用卫星通信信号各阶的高阶累积 量进行了仿真分析。
基于AR模型谱估计的调制方式自动识别算法
河南工程学院学报 （自然科学版 ）
Ｖｏ． ４ ， ． １２ Ｎｏ ３ Ｓ ｐ ． ０１ ｅ ｔ２ ２
２１ 年 ９月 ０２
Ｊ Ｕ Ｎ ＬＯ Ｅ 垒 Ｏ Ｒ Ａ ＦＨ § 垦 垦 ！兰 垦 里！ ！ ！ 垦 ！
基 于 Ａ 模 型 谱 估 计 的调 制 方 式 自动识 别 算 法 ｌ ｌ
收 稿 日期 ：０ ２— ６一 ８ ２ １ ０ Ｏ 基金项 目： 国家 自然科 学基金项 目（ １７０ ６ Ｆ １２ ２ ； １批 中国博 士后科 学基金资助项 目（ ０ ２ １ １３ ６ １２ ８／ ０ ０ ０ ） 第５ ２ ｔ Ｍ５ １２ ）
作者简 介： 孙钢灿 （ ９７一 ， 河南濮阳人 ， １７ ） 男， 讲师 ， － ， 博－ ￣ 主要从 事数 字通信信号处理 、 Ｌ － 通信信号调制方式盲识 别等研 究
通过 观察 发现 ， 于 Ａ 基 Ｒ模型 的功 率谱更 易 于提取 分类特 征参 数 ， 面 给出提 取两个 新 特 征参 数 的数 学 下
表达 式 ． ２ １ 信 号功 率谱 的谱 峰个数 ．
信 号谱峰 的个数提 取是 调制识 别 的关键 ， 如果 提取 错误 就 会发 生 误判 ． 据 是单 峰 还是 多峰 ， 以区 分 根 可
出Ｍ Ｓ Ｐ Ｋ信号和 Ｍ Ｓ ＦＫ信号， 根据峰的个数可以进一步判断 出 Ｍ Ｓ Ｆ Ｋ信号的调制 阶数． 首先 ， 需要通过基于
Ａ Ｒ模 型 的现代 谱估 计方 法计 算 出功率 谱 ． 功 率谱 的图示 中可看 出 ， 峰 应 具 备 两个 条 件 ， 是 大 于 某个 从 谱 一 阈值 ， 是在 某一 频段 内是 极大 值 ， 左 右 的频 段 在一 定 范 围分 别 为 单调 递 增 和单 调 递 减． Ｐ 凡 二 其 设 （ ）为 功 率 谱 ， 以谱 峰的计 算公 式可 简单 表达 如下 ： 所
基于支持向量机与谱特征的数字信号识别
基于支持向量机与谱特征的数字信号识别潘莹;张洪欣【摘要】由于已有的调制识别方法存在提取的特征参数多、计算量复杂等不足,现提出一种将支持向量机与谱特征结合的方法,该法不仅提取的特征参数少,对噪声不敏感,计算量小,而且还通过设计分级的支持向量机分类器提高了识别率.仿真实验表明,这种方法比普通的阈值法在识别率方面有明显的改善.【期刊名称】《滨州学院学报》【年(卷),期】2013(029)006【总页数】5页(P79-83)【关键词】支持向量机;谱特征;数字调制识别【作者】潘莹;张洪欣【作者单位】北京邮电大学电子工程学院,北京100876;北京邮电大学电子工程学院,北京100876【正文语种】中文【中图分类】TN911.720 引言调制方式是通信信号的一个重要特性.对于信号捕获、分析等非协作通信来说，快速、准确的识别出捕获信号的调制方式，对后续的解调、解码等相关处理是必不可少，也是至关重要的.近年来，随着软件无线电的发展，自动调制识别技术在民用、军用多模接收机中应用越来越广泛.目前已研究的调制方式识别算法，大致可以分为三类：统计模式识别法、决策理论法及人工神经网络法［1］.对接收信号提取的特征也是多种多样：有基于信号瞬时特征的，有基于信号高阶统计量的，有基于直方图特征的，有基于信号星座图特征的，有基于小波变换提取的特征的，还有基于分形理论的合维数和信息维数的特征等.但这些方法和特征对噪声敏感，需要的预处理过程复杂.为了弥补这些不足，本文提出一种将支持向量机与谱特征结合的方法，对2ASK，2FSK，2PSK，4ASK，4FSK，4PSK，MSK等常见的数字调制信号进行调制方式的识别.谱特征主要是谱相关特征，由于谱相关特征抗噪声特性较好，提取的特征对噪声不敏感.另外，支持向量机（Support Vector Machines，SVM）理论是Vapnik提出的一种新的统计模式分类方法.SVM作为分类器，相比神经网络等分类器，具有更强的泛化能力，并且不存在过学习和局部极小点问题，另外分类器的学习时间较短，适合实时分析与识别［2］.本文首先利用f平面谱线的个数f＿num设计SVM分类器1，将7种调制信号分为4类｛2ASK，4ASK｝，｛2PSK，4PSK｝，｛2FSK，MSK｝，｛4FSK｝，之后针对每一子类提取一个特征参数并设计SVM 分类器进行分类.由于这种方法对信号分级地进行特征提取，减少了一些不必要的信号特征参数的计算，大大减少了计算量，并且识别率比阈值分类法有了明显的改善.1 谱相关原理与支持向量机1.1 谱相关理论［3－4］广义周期平稳随机过程x（t）的自相关函数表示如下：其展开成傅里叶级数是其傅里叶系数是称为循环自相关函数.那么，它的傅里叶变换即x（t）的谱相关函数，也称作循环谱为其中，循环自相关函数可看做是［x（t＋τ／2）x（t－τ／2）］的变换，该二阶处理的物理意义是对原信号x（t）的一种广义二倍频与自混频，即它在对应于信号第k个频谱分量fk的循环频率α截面，把该分量频率提高1倍，变为2fk（这对应于倍频），并将信号的其他频谱分量的频率都加上1个fk（这对应于混频）.由于信号倍频与自混频后，其所有频谱分量被展宽1倍或加上一个固定频率值，而信号傅里叶变换的频谱分辨间隔仍为Δf＝fs／N（fs为采样速率，N为样本数），因此在信号的原始频谱中的相互间隔小于Δf但大于Δf／2的分量，经过倍频与自混频，其间隔就将大于Δf，从而使相对分辨率得到提高［5］.这样，原来在普通的频谱中看不到频谱特征就会在相关谱中显现出来，另外，对于高斯白噪声的谱相关函数它的循环谱只有在循环频率为零时才有非零值，因此接收信号的谱相关特征对噪声不敏感.1.2 支持向量机的原理［6］SVM是基于结构风险最小化（structural risk minimization，SRM）原理的统计学习理论.它比其他神经网络方法具有更好的泛化能力，因为它使VC（Vapnik cherovnenkis）维数（泛化误差）的上限最小化（empirical risk minimization，ERM），而一般的神经网络是基于经验风险最小化（empirical risk minimization，ERM），它使得相对于训练数据的误差最小化.以两类模式分类问题为例，设样本（xi，yi）服从空间X×Y上的某个未知概率分布P（x，y）（为方便起见，令Y＝｛＋1，－1｝）.目标是寻找一个分类函数，该分类函数将空间X×Y划分为两个子空间，不同的模式样本属于不同的子空间.当两类模式线性可分时，超平面ω·x＋b＝0可将两类区分开.当两类模式线性不可分时，需要通过一个非线性变换，将已知样本变换到一个高维特征空间，再在高维特征空间中按照结构风险最小化准则寻找满足要求的超平面，使两类之间间隔最大的同时确保训练样本的分类误差尽可能小.2 特征参数提取根据对2ASK，2FSK，2PSK，4ASK，4FSK，4PSK，MSK等信号的谱相关函数计算及各平面谱图分析，提取了以下4个参数作为特征：（1）特征谱）在f轴上含有明显单一谱线个数N.当α＝0时，循环谱即信号的功率谱，功率谱是反映信号各频率分量的功率分布的，由于各已调信号的功率谱在载频处呈现的谱线个数不同，如2ASK，4ASK信号在载频处只有1根谱线，2PSK，4PSK信号在载频处没有谱线，2FSK，MSK信号有两个载波频率，即有2根谱线，4FSK信号有4个载频，即有4根谱线.各信号特征谱在轴上明显单一谱线个数随信噪比的变化如图1所示.因此，通过功率谱上所呈现的谱线个数可将信号分为几个大类：｛2ASK，4ASK｝，｛2PSK，4PSK｝，｛2FSK，MSK｝，｛4FSK｝.图1 各信号特征谱在f轴上明显单一谱线个数随信噪比的变化图22FSK与MSK信号的fc－Amp随信噪比的变化图（2）f＝fc平面原点处的幅值fc＿Amp.经过仿真，如图2所示，这一参数对于2FSK，MSK信号区分明显，且随着信噪比，变化平稳.（3）平方谱的f＝fc平面中单峰明显程度SquareSpec＿peak.单峰明显程度定义：谱的最大值与其左右相邻的3个谱线幅度值均值的比值.如图3所示，这一参数在信噪比变化时的均值对于2PSK，4PSK信号区分明显.（4）信号波形幅度的标准差Signal＿STD.这是一个时域特征，2ASK，4ASK信号是幅移键控信号，由于进制数的不同，4ASK信号较2ASK信号波形的幅度离散程度大，而统计量标准差恰好是描述这一特征的（见图4）.图32PSK与4PSK信号的SquareSpec＿peak随信噪比变化图图42ASK与4ASK信号的Signal＿STD随信噪比变化图3 仿真与结果分析根据以上特征参数的选择，分级设计如下SVM分类器，如图5所示.据文献［6］，分级设计分类器比一个分类器一次性分出最终结果的优点在于：可以避免对信号提取不必要的特征参数，减少计算量，并且由于分类目标少，分类的正确率也将有明显提高［6］.仿真实验：采用MATLAB软件，设计并产生SVM分类器的训练样本和测试样本.信号种类有2ASK，2FSK，2PSK，4ASK，4FSK，4PSK，MSK等7种，载波频率为fc＝1×108 Hz，采样频率为fs＝4×108 Hz，码元速率为fd＝2.5×107 Hz，码元数是64.信噪比从5dB变化到15dB，每一dB下，取30个样本针对不同调制类型提取特征参数，构成训练样本空间，取20个样本构成测试样本空间.采用Faruto和李阳编写的LIBSVM－farutoUltimateVersion SVM扩展的工具箱，设计SVM分类器.识别效果如图6所示.图5 SVM分类器分级设计图另外，根据每个特征参数，可以人为的找出每个特征的阈值，采用阈值法对上述同样的测试样本进行测试，识别效果如图7所示.通过图6与图7对比，可以看出，分级的SVM分类器方法比阈值法的识别率有了明显的改善.图6 使用分级SVM分类器方法各信号的识别率图7 使用阈值法各信号的识别率4 结论本文将循环谱特征与支持向量机结合用于信号调制方式的识别，从仿真实验结果可以看出，该方法最终识别效果比阈值法有明显的提高.另外本文提出的特征参数少，运算量小，预处理与识别过程简单.但是对于支持向量机，在识别前，需要提前采集样本训练好网络，才能进行识别.这在复杂的实际环境中应用是难以实现的，因为大量的训练样本的采集不适合在线的分析，因此，复杂环境中信号调制方式的识别是下一步需要研究的.参考文献：［1］李耐根.基于谱分析数字信号调制方式的自动识别［D］.南昌：南昌大学，2006.［2］韩刚，张文红，李建东.基于高阶累积量和支撑矢量机的调制识别研究［J］.系统工程与电子技术，2003，25（8）：1007－1011.［3］ Gardner W A.Spectral correlation of modulation signals：PartⅡ digital modulation［J］.IEEE Trans Comm，1987，35（6）：595－601. ［4］韩国栋，蔡斌，邬江兴.调制分析与识别的谱相关方法［J］.系统工程与电子技术，2001，23（3）：34－37.［5］罗利春.谱相关的原理、功能与截面谱表示［J］.物理学报，2002，51（10）：2177－2181［6］李俊俊，陆明泉，冯振明.基于支持向量机的分级调制识别方法［J］.清华大学学报，2006，46（4）：500－503.。
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。
- 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)。
Ａｕｔ ｍ ａ ｉ ｃ ｇ ｔｏ Ｂａ ｅ ｎ Ｓ ｃ ｒ ｍ ａ ｕｒ ｏ ｍ ｍ ｏ ｏ ｔｃ Ｒｅ ｏ ｎｉｉ ｎ ｓ ｄ ｏ ｐｅ ｔ ｕ Ｆｅ ｔ ｅ ｆ ｒ Ｃｏ ｎ Ｕｓ ｄ Ｍ ｏ ｕｌ ｔｏ ｅ ｄ ａ ｉ ｎｓ
Ｚ ＡＯ ｎ ， Ｈ Ｌａ
（ ．Ｓｉ ｃ ｎ ｅｈ ｏ ｇ ｎＣ ｍ ｎｃｔ ｎＩｆ ｍａｏ ｅｕｉ ｏｔ ｌ ａｏａ ｒ， ｈｊ ｎ ｉ ｉｇ３４ ３ ， ｈ ａ １ ｃ ｎｅａｄＴ ｃｎｌ ｙｏ ｏ ｍｕｉａｏ ｏ ｔ ｎＳｃｒｙＣ ｎ ｏ Ｌｂｒｔ ｙ Ｚ ｅ ａｇＪ ｘ １０ ３ Ｃ ｉ ； ｅ ｏ ｉ ｎｒ ｉ ｔ ｒ ｏ ｉ ａｎ ｎ ２ Ｔ ｅ ６ｈＲ ｓａｃ ｓｔｔ ｏ Ｅ Ｃ， ｈｊ ｎ ａｉｇ３４ ３ ，Ｃ ｉａ ．ｈ ｔ ｅｅｒｈＩ ｔｕｅ ｆ Ｔ Ｚ ｅ ａｇＪ ｘｎ １０３ ｈｎ ） ３ ｎｉ Ｃ ｉ ｉ
别 方法 ， 有基 于信号 瞬 时时域 特征 的 ， 有基 于高 阶矩
０ 引 言
调制识别 ， 是指在接 收方 未知信号调制 方式 的前 提下 ， 通过 己接 收到的信号 ， 断出信号 的调制方 式 。 判
调制 方式是通信信 号 的一个重要 特征 ， 正确 识别未 知
高阶 累积量 的 Ｊ有 基 于 信 号 谱 相 关 的 ， 是 这 些 ， 但
方法存 在着 特征参 数 提 取 困难 、 调制 参 数 变化 较 对 敏感及 识别 种类较 少等 缺 陷。 为弥补上述方法 的不 足 ， 提出 了一种基 于信号 谱
线特征 的调 制方式 自动识别 方 法 。首 先对 信 号功 率 谱、 二次方谱 、 四次方谱 及包络平 方谱进行 了分 析 ， 针 对卫星通信 中常用 的调制方式 ， 出 了一 组无需先 验 提 知识并且对 信 噪 比和 信号调 制参 数不 敏感 的分 类 特
９ ％ 以上 ， ７ 方案 具有很 强 的实 用性 。
关键 词 ： 制识 别 ； 特征 ； 星通信 ； 调 谱 卫 特征提 取 中图分类 号 ：Ｎ １ ． Ｔ ９ １３ 文献标 识码 ： Ａ 文章编 号 ：６ ３５ ９ （ ０ ２ ０ —８ －４ １ ７ — ２ ２ １ ） ２１２０ ６
征参 数 ， 利用 上述 参数设 计 了一套识 别方 案 ， 然后 并 进行 了仿 真 ， 验结果 证 明能取得 较好 的识 别效 果 。 实
摘
要 ： 究 了基 于谱 线特征 的通信 信 号调制 方 式 自动识 别 方法 ， 研 从信 号 的功 率谱 、 次方谱 、 二 四次
方谱及 包络 平 方谱 中 ， 取 出一组 鲁棒性 强 的特征参 数 。在不 需要 先验知 识 的情 况 下 ， 提 对卫 星通信 中常用的调 制信 号进 行 了 自动 识 别 。仿 真 结 果表 明 ， 信 噪 比 大 于 ５ｄ 在 Ｂ时 ， 总体 识 别 率 能 达 到
第 ２期 ２１ ０ ２年 ４月
中鼋 斜譬 限哥 Ｉ 雹； ｑ雹 衩
Ｊｕ ｎ ｌ ｆＣ Ｉ ｏ ｒａ ＡＥ Ｔ ｏ
Ｖ １７ Ｎｏ ２ ｏ． ．
Ａｐ ． ２０１ ｒ ２
基 于 谱 线 特 征 的 调 制 方 式 自动 识 别 方 法
赵 岚 ， ３４３ ； １０３ ３４３ ） １０３ （ １ 通信信 息控 制和安 全技 术重 点 实验 室， 江嘉 兴 浙 ２ 中 国电子 科技 集 团公 司第 ３ ． ６研 究所 ， 浙江嘉 兴