基于时频分析的水声脉冲信号调制方式识别方法研究

摘要

信号调制识别的主要任务是在完成对信号检测和参数估计的基础上，通过某种判定规则识别出信号的调制方式，为后续的信号解调、信息干扰及信号监测等任务提供必要的信息。关于调制识别的技术纷繁复杂，伴随着数字图像处理技术发展的日趋成熟，将图像处理技术应用于信号处理中，为信号调制识别提供了一个新的研究方向。
　　时频分析作为一种有效的非平稳信号处理方法，可以在时域和频域上同时描述信号的信息。从时频分布图像中可以观察到，不同调制方式脉冲信号的时频分布具有明显的几何形状差异，因此本文从图像识别的角度实现脉冲信号的调制识别。首先介绍了几种常见的时频分析方法，主要包括短时傅里叶变换、Wigner-Ville分布及Cohen类时频分布等，并研究了一种基于自适应核的时频分析方法，即自适应核时频分布（AOK TFD）。通过时频分析得到时频分布图后，为了能够更有效的对用于图像识别的特征进行提取，采用了一系列的图像预处理操作对时频图像进行增强和去噪。然后从时频图像中提取出能够描述物体形状特性的矩特征作为图像识别的特征，包括中心矩、Hu矩和伪Zernike矩，最后采用BP神经网络实现对脉冲信号调制方式的分类识别。
　　仿真结果表明，本文通过提取时频图像矩特征用于脉冲信号调制识别的方法是有效可行的。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 研究现状

1.2.1 似然比假设检验方法

1.2.2 统计模式识别方法

1.3 论文主要内容及章节安排

第2章 水声脉冲信号时频分析

2.1 引言

2.2 时频分析概述

2.2.1 短时傅里叶变换

2.2.2 Wigner-Ville时频分布

2.2.3 Cohen类时频分布

2.2.4 自适应核时频分布

2.3 水声脉冲信号特征分析

2.3.1 单频矩形脉冲（CW）信号

2.3.2 线性调频（LFM）信号

2.3.3 非线性调频（NLFM）信号

2.3.4 频率编码（FSK）信号

2.3.5 相位编码（PSK）信号

2.3.6 多相编码信号

2.4 本章小结

第3章 时频图像特征提取

3.1 引言

3.2 时频图像预处理

3.2.1 图像增强

3.2.2 阈值分割

3.2.3 形态学处理

3.2.4 图像缩放

3.3 图像特征提取

3.3.1 中心矩特征

3.3.2 Hu矩特征

3.3.3 伪Zernike矩特征

3.3.4 水声脉冲信号时频图像矩特征仿真分析

3.4 本章小结

第4章 神经网络分类器设计

4.1 引言

4.2.1 BP网络结构

4.2.2 BP网络学习规则

4.2.3 BP网络设计

4.3 基于BP神经网络的调制识别仿真实验及性能分析

4.3.1 BP神经网络基本参数选取

4.3.2 基于不同矩特征的信号识别效果

4.3.3 信号误识别分析

4.4 实验数据处理

4.4.1 湖试实验数据处理

4.4.1 海试实验数据处理

4.5 本章小结

结论

参考文献

致谢