主要工作
1.了解了基于高阶累积量和循环谱的具体调制识别过程。
2. 了解小波变换的一些函数以及toolbox。
3. 进行OFDM的仿真。
一、基于高阶累积量和循环谱的具体调制识别过程
上周主要看了是参数估计中的方法,例如瞬时频率法,循环谱法,基于小波变换等方法来估计符号速率。其中循环谱法的详细讲解的博士论文,这周没看完,留到下周,网上代码很少,需要花点功夫才可以做出仿真。
这周主要学习调制识别的具体过程,由于很多论文都提到小波变换可以进行参数估计和调制识别,所以也找了很多资料,对其进行了规整和仿真。
1.高阶累积量
首先,是由于很多低阶量不足于区分不同的调制方式,就想到了求信号的高阶累积量来区分:如果两个或多个调制方式的高阶累积量不同,则可以在未知通信信号的情况下,识别出改通信信号的调制方式,以方便后面的解调等工作。
高阶累计量的定义如下:
根据此方法求得各调制方式的高阶量,即可以分析各个调制方式之间的差异。例如:OFDM信号高于四阶累积量为0,所以通过此点将其与其他调制方式区分。然而有些调制高阶累积量一直很类似,就要利用其他方法进行下一步分类。例如:MFSK当K取不同值时,其各阶累积量始终相等,那么就要选取其他特征参数,比如从循环谱寻找其差异进行区分。
下面摘取论文给出的9中调制方式在高阶累积量上的差异,以便后面进阶学习。
2.循环谱
循环谱再上节介绍了其定义,以及说明了如何通过循环谱估计载波频偏和符号速率。循环谱在实现上主要有两种方法:傅里叶变换和时域平滑,考虑到计算量的问题,很多论文采取的是时域平滑的方法,这里找到一篇不错的博士论文,讲了循环谱实现的三种方法。
基于循环谱的调制方式识别与高动态同步技术研究_高玉龙
其中,时域平滑的主要过程是:
3.选取特征参数
有些论文是单独采用高阶累积量或者单独采用循环谱进行分类的,也有论文是将其共同考虑进行分类的。例如在文献【1】中设置三个特征参数,前两个是用高阶累积量的比值,第三个是用循环谱函数的最大值(因为高阶累积量区分不了MFSK)
4.进行分类识别
得到了几组特征值后,就要根据它们的理论值来区分不同的调制方式。一般采用的方法是“支持向量机”(SVM),它是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器,间隔最大使它有别于感知机;支持向量机还包括核技巧,这使它成为实质上的非线性分类器。
根据三个特征参数,分类的过程如下所示,T1表示C4,由于OFDM的四阶以上累积量为0,所以第一步可以分类开;T2是两个高阶累积量的比值,可以很好的二次分类,但由于还会有调制方式的T2参数也是近似的;所以还有进行下一步分类,例如采用论文中的循环谱函数最大值T3的方法将其最后进行分类。
二、小波变换的一些函数以及toolbox
三、OFDM
四、学习计划
1.看讲解循环谱实现方法的论文
2.仿真一下现代数字信号处理中的现代功率谱密度
参考文献
1.基于高阶累积量和循环谱的信号调制方式混合识别算法_赵雄文
2.Research on MPSK Modulation Classification of Underwater Acoustic Communication Signals.CHENG En, Y AN Jiaquan, SUN Haixin, QI Jie
3.水声通信信号的特征提取和调制方式辨识_陶巍
4.基于循环谱的调制方式识别与高动态同步技术研究_高玉龙