基于改进自组织竞争神经网络的信号调制方式识别

摘要

无线电信号的调制解调技术和调制识别技术作为无线电通信领域重要组成部分，一直是重要的研究课题。无线电信号的自动调制识别，是指在无先验知识或先验知识很少，并且信道存在噪声和干扰的状况下，对经分析处理的接收信号进行调制方式的识别，以此为依据对该信号进一步处理。因无线电通信环境日趋复杂，信号的调试方式和通信体制也在趋于多样化，导致无线电信号难以用现有的理论方法有效识别。
　　目前无线电监测人员主要通过观测和分析接收信号的频谱信息从而判断该信号的调制类型，这样就对无线电检测人员的专业水平提出了很高的要求。监测判断的过程就是工作人员运用专业知识将接收到信号的频谱模式和已有的经验进行匹配和识别的过程。
　　神经网络已在调制识别领域广泛地应用，这是因为它有一定的容错性与稳健性能够处理繁杂的非线性问题，拥有很强的模式识别能力。论文主要研究了基于自组织竞争神经网络（Self-organizing Feature Map，简称SOM）的调制识别算法，在此基础上给出了一些相应的改进，以提高网络训练速度和识别正确率。内容概括如下：
　　1.为了消除环境噪声对调制识别原始频谱信号的影响，本文应用模糊C均值算法(FCM)对带噪信号进行去噪处理。在此基础上对AM、VSB、FM和FSK调制信号从无线电监测的角度出发，提取了基于频谱信息的识别特征参数。
　　2.研究了SOM神经网络的算法、结构和特点，利用FCM聚类算法提出了优化的SOM神经网络。通过仿真实验表明，改进的SOM神经网络能够有效缩短训练时间、提高识别正确率。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 调制识别的研究背景

1.2 自动调制识别

1.3 人工神经网络与调制识别

1.4 论文的框架结构与主要内容

2 预备知识

2.1 模糊 C 均值聚类算法

2.2 自组织竞争神经网络

2.3 本章小结

3 调制信号的预处理和特征选取

3.1 无线电信号的调制方式

3.2 傅里叶变换

3.3 数据预处理

3.4 特征提取

3.5 数据归一化

3.6 本章小结

4 基于改进的 SOM 神经网络调制识别

4.1 改进的 SOM 学习算法

4.2 算法步骤

4.3 本章小结

5 仿真实验

5.1 改进 SOM 神经网络实验及结果

5.2 传统神经网络实验及结果

5.3 基于支持向量机（SVM）识别实验及结果

5.4 实验结果分析

5.5 本章小结

结 论

参考文献

附录 A

攻读硕士学位期间发表学术论文情况

致谢