基于神經(jīng)網(wǎng)絡(luò)的短波數(shù)字信號(hào)調(diào)制識(shí)別算法

白 釗

（上海光古電子有限公司，上海 201612）

0 引言

短波數(shù)字信號(hào)調(diào)制識(shí)別在短波頻譜監(jiān)測(cè)等工作中具有重要作用，它不僅能為后續(xù)的信號(hào)處理工作提供基礎(chǔ)，而且還能從調(diào)制的層面對(duì)信號(hào)進(jìn)行歸類，支撐大數(shù)據(jù)應(yīng)用和發(fā)射源識(shí)別。現(xiàn)有研究調(diào)制識(shí)別方法一般分為最大似然法和模式識(shí)別法，一些文章比較詳盡地歸納了不同的調(diào)制分類算法。其中，基于信號(hào)瞬時(shí)統(tǒng)計(jì)參數(shù)和功率譜特征的識(shí)別方法具備受信號(hào)調(diào)制參數(shù)變化影響小、對(duì)調(diào)制先驗(yàn)信息的依賴少等優(yōu)點(diǎn)，因此使用范圍較廣。對(duì)調(diào)制分類器來說，傳統(tǒng)的決策樹分類器存在自適應(yīng)能力不足、擬合能力不夠強(qiáng)等弱點(diǎn)，而近年來新興的基于神經(jīng)網(wǎng)絡(luò)的分類器具有較強(qiáng)的自學(xué)習(xí)能力和容錯(cuò)性，在很大程度上彌補(bǔ)了判決樹分類器自適應(yīng)能力不足的缺點(diǎn)，而且神經(jīng)網(wǎng)絡(luò)集成還可以降低識(shí)別的錯(cuò)誤率、提高識(shí)別系統(tǒng)的泛化能力。

針對(duì)BPSK、QPSK、8PSK和8QAM這4種常規(guī)短波數(shù)字調(diào)制信號(hào)，首先該文從瞬時(shí)信息中提取1組特征參數(shù)。其次，使用一種基于最優(yōu)權(quán)重的神經(jīng)網(wǎng)絡(luò)集成分類器對(duì)其進(jìn)行分類，以完成調(diào)制識(shí)別工作。最后，將算法應(yīng)用在真實(shí)數(shù)據(jù)集上，取得了約90%的調(diào)制類型識(shí)別正確率，驗(yàn)證了該算法的有效性和可靠性。

1 特征參數(shù)提取

在調(diào)制識(shí)別算法中，先要獲取特征，再對(duì)特征進(jìn)行分類，因此特征參數(shù)的選擇和提取對(duì)識(shí)別效果有較大的影響。一般要求特征之間相互獨(dú)立，能夠反映調(diào)制類型的本質(zhì)差異，具有穩(wěn)定性并具備一定抗干擾能力，根據(jù)分類器不同和實(shí)際工作經(jīng)驗(yàn)，選擇3~5種特征參數(shù)為宜。……