龙源期刊网 https://www.doczj.com/doc/a46311559.html,
基于神经网络的数字调制信号的自动识别
作者：周明江王继武
来源：《科技创新导报》2017年第01期
摘要：该文在采用MATLAB生成FSK、PSK等常用数字调制信号的基础上，进一步详细分析了各种常用数字调制信号的基本瞬时特征，提取出了可用于区分各种常用数字调制信号的5个特征参数，并将特征参数映射为常用数字调制信号，依据特征参数将神经网络技术运用于常用数字调制信号的自动识别，实验证明此方法能较好识别常用数字调制信号，效果良好。
关键词：神经网络特征提取模式识别
中图分类号：U495 文献标识码：A 文章编号：1674-098X（2017）01（a）-0115-05
随着通信技术的飞速发展，出现了适用于不同背景环境的通信标准，每种标准都有其特定的调制方式和工作频段，为了满足人们实现不同标准间互通的需求，软件无线电技术应运而生。它利用可升级、可替代的软件来完成尽可能多的通信功能硬件模块，将多种类型的信号处理基于一体。为了能够处理不同类型的调制信号，必须首先识别出信号的调制类型，然后才能进行下一步处理。因此，调制信号的自动识别技术，就成了软件无线电技术中的关键。
神经网络具有的信息分布式存储、大规模自适应并行处理和高度的容错性等特点，是用于模式识别的基础。特别是其学习能力和容错性对不确定性模式识别具有独到之处。其中BP网络长期以来一直是神经网络分类器的热点，由于它理论发展成熟，网络结构清晰，因此得到了广泛应用。基于A.K. Nandi和E.E. Azzouz从瞬时频率、瞬时幅度和瞬时相位中提取的特征参数，我们就可以用神经网络对常用的数字调制信号进行自动分类。
1 神经网络
根据T. Koholen的定义：“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体做出交互反应。”人工神经网络是在现代神经学研究成果的基础上发展起来的模仿人脑信息处理机制的网络系统，它由大量简单的人工神经元广泛连接而成，反映了人脑功能的若干特性，可以完成学习、记忆、识别和推理等功能。
2 数字调制信号特征参数的提取
计算机处理的信号都是对调制信号采样后的采样信号序列，因此设采样序列为（n=0，1，2，…，Ns），采样频率为。对采样序列进行希尔伯特变换，得如下解析表达式：
（1）