高阶累积量调制识别改进算法的FPGA实现
由文献知，对MFSK信号求导，再经中值滤波，在滤除含有冲激函数的项后，再计算所得信号的高阶累积量值，如表2所示。
由以上分析可知，为了实现数字调制信号的调制识别，利用不同的累积量组合，从中提取了以下4个特征参数，定义如下：
本文引用地址：//m.amcfsurvey.com/article/191395.htm
1．2 信号的调制识别流程
在低信噪比环境中，基于高阶累积量的数字调制信号识别算法对2ASK和4ASK信号的识别率普遍较低。针对此问题，本文提出了高阶累积量的改进算法。文中在高阶累积量算法的基础上，对四个特征参数的判决顺序稍作调整，将MASK信号与其他信号分离，取得了较好的效果。具体识别过程如下：
(1)用编程工具编程产生各种数字调制信号，并加入信噪比已知的噪声，作为待识别的信号。
(2)将接收到的待识别信号通过下变频直接变换到零频，然后利用正交下变频技术得到复基带调制信号。
(3)计算各种待识别信号的二、四、六阶累积量，并计算其特征参数Fe1，Fe2，T4。
(4)利用特征参数T4的识别，可以将信号分为两组：第一组为MASK信号，第二组为MPSK，16QAM，MFSK信号。利用Fe2的阈值(t1)实现
第一组组内识别；再利用Fe2的另一个阈值(t2)和Fe1从第二组中识别出16QAM，MPSK信号。
(5)将待识别信号进行微分后再经中值滤波器，计算变换信号的高阶累积量，并计算特征参数Fe3，利用Fe2实现MFSK类内识别。
在信号的调制识别过程中，主要是根据决策树方法进行分类和识别。本文在提取上述四个特征参数的基础上，根据不同的决策规则建立决策树。经过多次性能的仿真和比较，最终得到一种比较好的识别算法，如图1所示。其中t0，t1，t2，t3，t4都是阈值。
评论