论文翻译三：A Modified Method for Digital Modulation Recognition based on Instantaneous Signal Features

30天挑战翻译100篇论文

坚持不懈，努力改变，在翻译中学习，在学习中改变，在改变中成长…

A Modified Method for Digital Modulation Recognition based on Instantaneous Signal Features

一种基于瞬时信号特征的数字调制识别方法
Yang Yangqiang, Zhang Xueqing
College of Information and Communication, National University of Defense Technology
Wuhan, China

摘要 数字调制识别是信号处理的重要组成部分。 在介绍瞬时特征及其统计量的基础上，分析了基于固定阈值决策理论的经典识别方法，找到了一种在低信噪比下正确识别率低的经典识别方法。 提出了一种基于动态阈值的信噪比识别方法。 特别地，首先增加了SNR估计的过程，然后实现了具有动态阈值的新的调制识别。 与基于固定阈值决策理论的经典识别方法相比，该改进方法对低信噪比信号具有更高的识别率。
关键字 调制识别，瞬时信号特征，SNR估计，动态阈值

1.简介

数字调制识别是进一步信号处理的基础。 特别地，在非合作通信领域中，认识到数字调制的模式非常重要。 其中大量研究都是基于统计理论的方法，例如基于瞬时特征的方法[1]，高阶累积量[2]或小波变换[3]。 基于信号瞬时特征的经典数字调制识别方法的研究起源于1990年代的Nandi和Azzouz [1]，并取得了许多成就。 对于经典方法，首先通过希尔伯特变换将接收信号转换为解析形式，然后提取瞬时幅度，瞬时相位和瞬时频率，构造9个统计特征，实现了模式识别方法的调制识别。 最后。 在这种经典方法的基础上，进一步的研究集中在特征的提取和分析以及分类器的设计和改进上。

关于特征的提取和分析，Tang [4]提出了一种基于高阶累积量和瞬时特征相结合的数字调制识别的优化方法，并利用神经网络对常见的数字信号进行了调制识别。 [5]考虑带宽从1 MHz到7 MHz的信号，并根据ndwidth的变化选择决策阈值，侯[6]发现瞬时特征随着载波频率和采样频率的变化而明显变化 ，因此根据信号的载波频率采用不同的阈值，Liu [7]采用了对SNR不敏感的三个特征，并使用KNN分类器实现了调制识别。 关于分类器的设计和改进，Popoola [8]提出了一种与Conjgrad算法相结合的方法，以浅层结构的人工神经网络为基础实现模拟和数字调制的识别，Niu [10]提出了一种针对模拟和数字的调制识别的方法。 基于改进的BP神经网络的数字混合信号。
具有基于瞬时特征的决策树分类器的方法，原理简单，实现不难，在信噪比较高的情况下，可以得到满意的识别结果。
但是，在低SNR时，此方法的正确识别率较低。 本文分析了基于固定阈值决策理论的经典识别方法，提出了一种基于信噪比的动态阈值改进方法。 仿真表明，与固定阈值的经典识别方法相比，本文提出的方法对于低信噪比信号可以获得更高的正确识别率。
本文的其余部分安排如下：第2节介绍典型的数字调制信号及其瞬时统计特征，第3节分析基于具有固定阈值的瞬时特征的经典方法，并根据SNR提供具有动态阈值的改进方法， 第4节给出了仿真结果，第5节给出了结论。

2. 固定阈值的即时特征和经典决策树分类器

A.瞬时特征

数字调制识别可以通过计算信号瞬时特征并使用各种分类器来实现。 下面列出了五个广泛使用的瞬时功能，它们是 γ m a x , σ a a , σ a p , σ d p 和 σ a f \gamma_{max},\sigma_{aa},\sigma_{ap},\sigma_{dp}和\sigma_{af} γmax​,σaa​,σ