基于W-SVM的数字通信调制模式分类技术的研究

摘要

调制方式是区别不同性质通信信号的一个重要特征。在许多应用中，需要监视通信信号的活动情况，区分信号的性质，甚至截获其传输的信息内容。通信信号的调制识别就成为了截获信号处理研究领域的一个十分重要的课题。调制识别的目的就是在复杂环境和有噪声干扰的条件下，在没有其他先验知识的情况下，通过对接收到的信号进行处理，从而判断出信号的调制方式，并估计出相应的调制参数，从而为进一步分析和处理信号提供依据。随着通信技术的发展，空间中的信号越来越密集和复杂，这就对调制识别的研究提出了更高的要求。
　　 近几十年来人们针对不同的调制信号提出了许多调制识别的新方法和新思想，本文在前人的基础上深入的研究了通信信号的调制识别问题，主要工作可概括如下：
　　 1介绍了通信系统中2ASK，2FSK，2PSK这三种3种最基本的调制模式，给出了它们的数学模型，对于他们的功率谱等基本特征进行了推导，并分析了它们的幅度，相位等信息，进而推导出可以对它们进行分类的零中心瞬时特征值。
　　 2研究了一种基于支持向量机的数字调制方式的识别方法，该算法通过提取有效的特征向量以区分不同的调制方式，解决了样本在低维空间中的非线性不可分问题，避免了判决门限的确定，与传统的神经网络方法相比，具有更好的泛化推广能力。
　　 3讨论了近年来几种新的SVM算法，从中选择了W-SVM算法，构建了基于W-SVM的分类器，并通过仿真实验进行了测试，结果表明了W-SVM分类器是有效，可行的。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景及意义

1.2调制模式分类的技术现状

1.2.1判决理论方法

1.2.2统计模式识别方法

1.3支持向量机发展现状

1.4研究内容及章节安排

1.4.1研究内容

1.4.2章节安排

第2章调制信号的特征提取

2.1引言

2.2通信信号的基本特征参数

2.3数字调制信号

2.3.1二进制振幅键控(2ASK)

2.3.2二进制频移键控(2FSK)

2.3.3二进制移相键控(2PSK)

2.4分类特征值的选取

2.4.1零中心归一化瞬时幅度的谱密度最大值

2.4.2零中心非弱信号段瞬时相位非线性分量的标准偏差

2.5本章小结

第3章机器学习理论

3.1监督学习

3.2非监督学习

3.3学习和泛化性

3.4提高泛化性

3.5学习的价值和缺点

3.6用于学习的支持向量机

3.7本章小结

第4章基于SVM的分类器设计

4.1引言

4.2线性支持向量机

4.3非线性支持向量机

4.4基于支持向量机的分类器的选取

4.4.1 v-SVM

4.4.2 LS-SVM

4.4.3 DirectSVM

4.4.4 W-SVM

4.5本章小结

第5章仿真实验研究

5.1性能仿真与分析

5.2本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢