论文部分内容阅读
随着各种智能系统与智能设备的大力发展与不断普及,时刻交互的信息数据也呈现出爆炸式的增长,这对于现阶段本就表现不佳的通信系统带来更加复杂的干扰与挑战。具有抗干扰能力强,频谱利用率高,数据传输快等优点的自适应通信系统通过合理分配频谱资源,根据环境频谱使用情况,自适应变化通信条件,利用频谱空闲间隙进行通信给这些挑战提供一种较好的解决方法。而调制模式识别作为自适应通信系统的关键一环,对最后系统解调出正确的信息至关重要。故本文针对自适应通信系统的不同调制模式产生的数字调制信号进行调制模式识别,主要包括MASK、MPSK、MFSK和MQAM等十种数字调制信号,以便为后续的信息解调提供帮助。自适应通信上位机关键技术研究与实现,主要是通过调制模式识别方法对所接收到的数字调制信号进行调制模式自动识别。首先通过PCIE接口获取认知无线电平台产生的不同调制模式的调制信号,然后对信号进行特征参数提取,再设计以基于Boosting思想的Adaboost级联分类器对接收到的调制信号进行模式分类。为了方便人机交互和更好的体现本文方法的有益效果,还设计了相应的上位机软件系统用于信息管理与结果展示。其中PC与FPGA板卡采用PCIE高速总线进行通信,通信数据通过DMA进行读写,最高读写速度可达到3.44GB/s。系统参数与通信数据均通过PCIE高速传输,以此达到系统数据处理的实时性要求。数字信号调制模式自动识别,其实现流程主要包含特征提取及分类识别。由于调制信号的幅频特性及相位特征通常对调制模式有着更有效的表达,故本文采用信号的高阶累积量和Haar小波变换对信号的相位及幅频特征进行有效提取。由于提取到的信号特征具有类内线性近似的特性,且调制信号类别较多,故本文采用SVM作为弱分类器构建Adaboost级联分类器的设计。仿真结果表明,在SNR>1dB时,信号的识别率均能到95%以上,在SNR>2dB时,信号的识别率均能达到98%,充分验证了本文方法的有效性。