基于多分类器的通信信号调制方式识别.pdf

《基于多分类器的通信信号调制方式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、叶晨洲等：基于多分类器的通信信号调制方式识别基于多分类器的通信信号调制方式识别!叶晨洲"杨杰周越陈念贻（上海交通大学图像处理及模式识别研究所上海200030）摘要为在恶劣接收条件下识别通信信号的调制样式，并实现识别范围的快速调整，运用决策层信息融合技术提出了一种基于多分类器的调制样式识别方法。它采用了常规特征以及三种可以快速建立的子分类器，其中“超盒”分类器用于界定各调制样式不同特征的取值范围，最近邻分类器用于分类，马氏距离分类器用于提高识别结果的可靠程度。该方法可以自动地在短时间内根据设定的识别范围建立对应的识别器，对另类调制样式或噪声有高的拒识能力。关键词分类器，调制样式

2、识别，信息融合当前的特征库中共包含20个特征，分别基于信号的0引言离散傅立叶变换系数，线性预测结果以及自相关系数。待识别信号的采样频率和采样时间参见3.1确定一个通信信号的调制样式是对其进行接收节。解调的前提条件。随着通信技术的发展，尤其是软!"!基于离散傅立叶变换系数的特征件无线电［1］的出现，同一部接收机将接收和处理不特征1至特征4是离散傅立叶变换系数的-2，同方式调制的通信信号，因此有必要实现调制样式-1，0，1阶矩。获取步骤如下：（1）将每次读取的的自动识别。以往的工作是针对不同调制样式间的4000个采样点分成4个子信号段，每段包含1000差别设计一些能够用于“非此即

3、彼”判决的信号特个采样点；（2）对第k（k=1，2，3，4）个子信号段作征［1-3］，并据此构造一棵判决树或训练一个人工神离散傅立叶变换，获得前100项系数（每项包含实部经元网络进行识别。和虚部）的模a（i=1，2，⋯，100），并进行归一化：ki为了能够在较恶劣（存在大量噪声或无关调制100a-ki=aki／!aki；3）对归一化的模求平均获得bi样式）的接收条件下实现对指定几种调制样式的高i=14可靠识别，并实现识别范围（可识别的调制样式）的=!a-ki／4；（4）计算C（C=-2，-1，0，1）阶矩灵活调整，本文提出了一种基于多分类器的调制样k=1100式识别方法。它基

4、于常规特征以及三种可以快速建mbC。C=!ii立的分类器，采用决策层信息融合技术［4］利用各分i=1!"#基于线性预测结果的特征类器性能上的互补和冗余提高识别结果的准确性和特征5与特征6是基于线性预测方法的特征，抗干扰性。分别采用与当前采样点邻近的前后各4点（特征5）或各6点（特征6）的均值作为当前点的估计值与当前点的实际值作比较（若当前采样点的邻近点数不1特征库足，则跳过该点），若实际值大于0且估计值大于实际值时，计数器加1；若实际值小于0且估计值小于由于识别范围不固定，所以有实际值时，计数器加1；将计数器的值除以信号段长必要建立一个特征库使得其中的特度作为特征。征能够刻画

5、可能出现的调制样式。!863计划（863-511-945-005，863-306-ZD13-05-6）资助项目。"男，1974年生，博士生；研究方向：模式识别，数据挖掘；联系人。（收稿日期：2001-12-03）—5—高技术通讯2003.2!"#基于自相关系数的特征它界定了"i类样本在特征空间中可能出现的区域。特征7至特征20分别是!=3，6，9，⋯，42时的然而，在许多情况下（例如样本沿“超盒”的体4000-!对角线排列），上述方法获得的“超盒”将在包围样EIiIi+!本集合的同时包括大片邻近区域。为解决这一问题，i=1归一化自相关函数值：f（!）=，其中（I4000-!i

6、陈念贻［5］采用了对S所处空间的坐标系进行各种EIiIiii=1变换的方法，并在变换后的空间中寻找“超盒”，使得=1，2，⋯，4000）是信号段第i个时刻的采样值。它尽可能“紧”地包围。本文试用了这一方法，但为减小运算量仅采用K-L变换将S所在空间的坐标i2基于多分类器的调制样式识别方法轴旋转到S的主成分方向上，然后寻找“超盒”，并i称采用这种方法获得的“超盒”为“斜超盒”，称直接$"!组合分类器获得的“超盒”为“正超盒”。为了能够在调制方式复杂多变且接收条件恶劣“超盒”分类器将包含与各类对应的K个“超的环境中进行高可靠识别，分类器应达到以下3个盒”。当未知样本!“落入”包围

7、"类样本的“超盒”i要求：（1）正确识别属于识别范围内的调制样式；时，认为它可能属于"类。若没有一个“超盒”包含i（2）拒识该范围之外的样式以及噪声；（3）可自动且!，则对它拒识。快速地调整识别范围。2.1.2最近邻分类器为达到上述要求，组合分类器结合了三种可以［5］假设!到"i类的距离度量为gi（!）=min!快速建立的独立分类器。其中“超盒”分类器（空a-!a，a=1，2，⋯，N，若g（!）=mingi（!），最间超多面体模型的一种）用于在特征空间中界定识iiji别范围内某种调制样式的信号可能出现的