高階累積量調制識別改進算法的FPGA實現
加入技術交流群
由文獻知，對MFSK信號求導，再經中值濾波，在濾除含有沖激函數的項后，再計算所得信號的高階累積量值，如表2所示。
由以上分析可知，為了實現數字調制信號的調制識別，利用不同的累積量組合，從中提取了以下4個特征參數，定義如下：
本文引用地址：http://www.czjhyjcfj.com/article/191395.htm
1．2 信號的調制識別流程
在低信噪比環境中，基于高階累積量的數字調制信號識別算法對2ASK和4ASK信號的識別率普遍較低。針對此問題，本文提出了高階累積量的改進算法。文中在高階累積量算法的基礎上，對四個特征參數的判決順序稍作調整，將MASK信號與其他信號分離，取得了較好的效果。具體識別過程如下：
(1)用編程工具編程產生各種數字調制信號，并加入信噪比已知的噪聲，作為待識別的信號。
(2)將接收到的待識別信號通過下變頻直接變換到零頻，然后利用正交下變頻技術得到復基帶調制信號。
(3)計算各種待識別信號的二、四、六階累積量，并計算其特征參數Fe1，Fe2，T4。
(4)利用特征參數T4的識別，可以將信號分為兩組：第一組為MASK信號，第二組為MPSK，16QAM，MFSK信號。利用Fe2的閾值(t1)實現
第一組組內識別；再利用Fe2的另一個閾值(t2)和Fe1從第二組中識別出16QAM，MPSK信號。
(5)將待識別信號進行微分后再經中值濾波器，計算變換信號的高階累積量，并計算特征參數Fe3，利用Fe2實現MFSK類內識別。
在信號的調制識別過程中，主要是根據決策樹方法進行分類和識別。本文在提取上述四個特征參數的基礎上，根據不同的決策規則建立決策樹。經過多次性能的仿真和比較，最終得到一種比較好的識別算法，如圖1所示。其中t0，t1，t2，t3，t4都是閾值。
評論