论文部分内容阅读
自动调制识别(Automatic Modulation Recognition, AMR)是指在接收方预先不知道接收信号所采用的调制方式的情况下,从接收信号中主动判断出信号调制方式的技术,在过去的几十年里取得了长足的进展。其中经典的统计模式识别方法已被广泛地应用到信号识别、图像识别、聚类分析等领域。本文针对目前研究比较热门的多进制正交幅度调制(MQAM)信号识别展开研究,从流形学习入手,深入研究了基于局部几何结构的MQAM信号识别,具体内容如下：局部保持投影(Locality Preserving Projection, LPP)较好地保持了数据局部几何结构,但是忽略了数据的类别信息,导致信号调制识别的效果不好。针对这个问题,提出了有监督的LPP方法,通过该方法使得邻域内的同类样本投影后更加紧致。对常用的五种正交幅度调制信号(8QAM.16QAM.32QAM.64QAM和128QAM)进行实验,提取高阶累积量作为分类特征,再将接收信号中所提取的特征向量进行投影,采用最近邻分类器进行分类。实验结果证明了该算法的有效性。LPP在描述数据时,仅考虑了同类数据之间的几何结构而忽略了不同类数据之间的几何结构,导致低信噪比情况下算法识别性能不理想。而边界Fisher分析(Marginal Fisher Analysis, MFA)利用两个邻接图来分别描述数据类内几何结构和类间几何结构,不仅可以较好地保持局部空间几何属性,而且较好地刻画了数据的判别几何属性。基于此,实现了基于MFA的MQAM信号调制识别方法,使得投影后邻域内同类样本尽量聚集,而不同类样本尽量分开。对上述五种QAM信号进行了分类实验,提取信号的高阶累积量及其相关特征,很好地减小了噪声的影响；同时采用最近邻分类器进行分类。实验结果表明,与其他算法相比,基于MFA的算法能够有效地提高MQAM信号的调制识别率,不但抗噪声性能强,而且具有很好的鲁棒性。