基于高阶循环累积量和支持矢量机的分级调制分类算法

冯 祥,元洪波

(空军第一航空学院基础部,河南信阳 464000)

基于高阶循环累积量和支持矢量机的分级调制分类算法

冯 祥,元洪波

(空军第一航空学院基础部,河南信阳 464000)

利用观测样本的高阶循环累积量特征,提出一种基于支持矢量机的分级调制分类算法,实现了对QAM调制信号的自动识别。该算法具有较快的分类器训练速度和较低的复杂度,对时延和相位旋转具有稳健性,并可在干扰环境下实现对感兴趣信号调制类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。

QAM 调制信号;自动识别;调制分类;高阶循环累积量;循环平稳性;支持矢量机

1 引 言

通信信号调制类型自动分类技术是在没有(或部分拥有)观测样本先验信息的情况下,实现对观测样本调制类型的自动识别,也称为盲调制识别(或调制识别、调制分类)。该技术在民用和军事通信系统中均有广泛的应用前景,是软件无线电、认知无线电的重要技术基础[1-2]。目前,主要采用两种方法研究该问题[3]:似然函数法[4]和模式识别法[5-7]。利用观测样本的循环平稳性,Sutton[5]将循环累积量作为分类特征应用到认知无线电的信号识别中,Punchihewa[6]等采用循环累积量特征识别单载波信号、OFDM等信号类型,Zhang[7]考虑加了循环前缀的单载波信号的识别问题,取得了较好的实验性能。但这些方法没有考虑信道衰落的影响,并且都是在假设观测样本只包含一种调制类型的前提下研究问题的。随着信息技术……