电子通信信号循环频率特征自提取技术研究

吴海燕

（郑州西亚斯学院 电子信息工程学院，河南 新郑 451100）

0 引 言

采用超宽带通信时需要对信号进行检测和提取，接收方不仅要通过检测、分析及评估参数获取超宽频通信信号，还要对电子通信信号的调制方式作出相应的判断，调制完成后才能提取传输信息[1,2]。由此可见，调制和提取电子通信信号是应用该技术的关键环节。在已有的研究中，电子通信信号提取的方法主要包括基于似然函数的决策理论方法、基于统计特征的模式提取方法以及基于DSP的模式提取方法[3]。这3种方法各有优点，但均存在较大的频偏和定时误差，无法满足电子通信信号提取的要求。因此，本文提出了一种基于周期频率特性的电子通信信号提取方法。一般电子通信信号的统计特性参数有一定的周期变化，称为周期频率特性。将该周期性特征用于电子通信信号的提取，可大大提升提取性能。

1 电子通信信号循环频率特征自动调制识别

利用深度学习算法实现电子通信信号循环频率特征自动调制识别，通过神经网络逐层训练无监督学习算法，采用分类器对信号进行测试，分别计算识别结果，同时使用特征提取系统和分类器实现自动识别[4]。

利用无监督学习神经网络将无分类标记的训练样本输入自动编码器，在建模能力和稀疏性约束的基础上，自动编码器能够自动获取数据结构[5]。自动编码机的基本单元如图1所示。

图1 自动编码机基本单元

本文设计的自动调制识别方法采用双层自动编码技术，当无分类标签时，设计编码器利用稀疏自编码器算法对自编码器进行训练，确定编码参数，从而得到编码参数和不同节点的激活值。……