基于多端CNN的通信信号自动调制识别研究.pdf
《基于多端CNN的通信信号自动调制识别研究.pdf》由会员分享,可在线阅读,更多相关《基于多端CNN的通信信号自动调制识别研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、设计与应用计算机测量与控制 ()C o m p u t e r M e a s u r e m e n t&C o n t r o l 收稿日期:;修回日期:.作者简介:艾散帕合提(),男,新疆乌鲁木齐人,硕士研究生,讲师,主要从事通信技术方向的研究.引用格式:艾散帕合提,吾斯曼玉山基于多端C N N的通信信号自动调制识别研究J计算机测量与控制,():,文章编号:()D O I:/j c n k i /t p 中图分类号:T N 文献标识码:A基于多端C N N的通信信号自动调制识别研究艾散帕合提,吾斯曼玉山(新疆工程学院 信息工程学院,乌鲁木齐 )摘要:为有效解决通信信号自动调制识别的调制类
2、型识别率低和调制强度识别误差高的问题,研究了基于多端C NN的通信信号自动调制识别方法;根据不同类型调制方法的作用原理,设置通信信号调制识别标准;考虑通信信号的传输过程,构建通信信号模型,利用带通采样工具采集初始通信信号,通过小波消噪、归一化等步骤,完成初始信号的预处理;利用多端C NN算法构建通信信号识别器,提取幅值、相位、频率等通信信号特征参数,通过特征匹配得出信号调制类型与强度的识别结果,实现通信信号自动调制识别;通过与传统识别方法的对比得出结论:综合考虑有、无干扰两种类型的通信信号,优化设计识别方法的调制类型识别率提高了 ,调制强度识别误差降低了约 .关键词:多端C NN;通信信号;信
3、号调制;自动识别R e s e a r c ho nA u t o m a t i cM o d u l a t i o nR e c o g n i t i o no fC o mm u n i c a t i o nS i g n a l sB a s e do nM u l t i t e r m i n a lC N NA I S ANP a h e t i,WU S I MANY u s h a n(D e p a r t m e n to f I n f o r m a t i o nE n g i n e e r i n g,X i n j i a n gI n s t i t
4、u t eo fE n g i n e e r i n g,U r u m q i ,C h i n a)A b s t r a c t:I no r d e r t oe f f e c t i v e l ys o l v e t h ep r o b l e m so f l o wr e c o g n i t i o nr a t eo fm o d u l a t i o nt y p ea n dh i g hr e c o g n i t i o ne r r o ro fm o d u l a t i o n i n t e n s i t y i na u t o m a
5、t i cm o d u l a t i o nr e c o g n i t i o no f c o mm u n i c a t i o ns i g n a l s,a na u t o m a t i cm o d u l a t i o nr e c o g n i t i o nm e t h o do fc o m m u n i c a t i o ns i g n a l sb a s e do nm u l t i t e r m i n a lC NNw a s s t u d i e d A c c o r d i n g t o t h ep r i n c i p
6、 l eo f d i f f e r e n t t y p e so fm o d u l a t i o nm e t h o d s,t h ec o mm u n i c a t i o ns i g n a lm o d u l a t i o n i d e n t i f i c a t i o ns t a n d a r d i s s e t C o n s i d e r i n g t h e t r a n s m i s s i o np r o c e s so f t h e c o mm u n i c a t i o ns i g n a l,t h ec
7、 o mm u n i c a t i o ns i g n a lm o d e l i s c o n s t r u c t e d,a n d t h e i n i t i a l c o mm u n i c a t i o ns i g n a l i s c o l l e c t e db yu s i n g t h eb a n d p a s s s a m p l i n g t o o l T h ep r e p r o c e s s i n go f t h e i n i t i a l s i g n a l i s c o m p l e t e d t
8、 h r o u g hw a v e l e t d e n o i s i n g,n o r m a l i z a t i o na n do t h e r s t e p s T h em u l t i t e r m i n a lC NNa l g o r i t h mi su s e dt ob u i l dac o mm u n i c a t i o ns i g n a l r e c o g n i z e r,e x t r a c t t h ea m p l i t u d e,p h a s e,f r e q u e n c ya n do t h e
9、 rc o mm u n i c a t i o ns i g n a lc h a r a c t e r i s t i cp a r a m e t e r s,a n do b t a i nt h e r e c o g n i t i o nr e s u l t so f s i g n a lm o d u l a t i o nt y p ea n d i n t e n s i t yt h r o u g hf e a t u r em a t c h i n g,r e a l i z ea u t o m a t i cm o d u l a t i o nr e c
10、 o g n i t i o no fc o mm u n i c a t i o ns i g n a l s B yc o m p a r i n gw i t ht h et r a d i t i o n a lr e c o g n i t i o nm e t h o d s,i t i sc o n c l u d e dt h a t t h er e c o g n i t i o nr a t eo fm o d u l a t i o n t y p e i s i m p r o v e db y a n d t h e r e c o g n i t i o ne r
11、 r o r o fm o d u l a t i o n i n t e n s i t y i s r e d u c e db y b yc o n s i d e r i n gt h e t w ot y p e so f c o mm u n i c a t i o ns i g n a l sw i t ha n dw i t h o u t i n t e r f e r e n c e K e y w o r d s:m u l t i t e r m i n a lC NN;c o mm u n i c a t i o ns i g n a l;s i g n a lm o
12、 d u l a t i o n;a u t o m a t i c i d e n t i f i c a t i o n引言通信信号指的是用于信息传递的信号,可以分为模拟通信信号和数字通信信号两种类型.在通信系统中,发送端接收到的原始电信号往往是频谱成分较低的,因此不适合在信道上直接传送.因此,一般需要将原始信号转换为频率范围适合于通道传送的高频信号,即调制处理通信信号.信号调制是将一种波形的性质改变成其他波形或信号的处理方法,可以说调制是通信信号传输必须经历的流程.为了能够在不知道接收信号调制类型的情况下,确定通信信号的调制类型,提出通信信号调制识别方法,该方法在民用和军事通信领域实际应
13、用中发挥着重要作用.目前发展较为成熟的通信信号自动调制识别方法包括:基于 多 端 特 征 融 合 模 型 的M I MO O F DM系 统 盲 调 制 识别、基于G RU C NN并联神经网络的自动调制识别、卷积神经网络卫星信号自动调制识别算法.然而上述现有调制识别方法在实际运行过程中存在明显的识别误差高的问题,为此引入多端C NN算法,提高识别精度,通过验证,其有效降低了调制识别误差 .多端C NN算法是多端卷积神经网络算法,其是具有表征学习能力,能够将其阶层结构平移不变分类输入信息.将多端C NN算法应用到通信信号自动调制识别工作中,设计一种新的识别方法.该方法考虑通信信号调制识别标准影
14、响识别效果,分析了通信信号的调制识别原理,以此为基础,设置通信信号调制识别标准,然后构建通信信号模型,利用带通采样工具投稿网址:w w wj s j c l y k z c o m计算机测量与控制第 卷 采集初始通信信号,由于采集的初始通信信号存在一定的噪声,导致通信信号不准确,也会影响后续识别,因此,引入小波消噪、归一化等步骤,完成初始信号的预处理,在完成预处理后,引入多端C NN算法,构建通信信号识别器,提取幅值、相位、频率等通信信号特征参数,通过特征匹配得出信号调制类型与强度的识别结果,实现通信信号自动调制识别方法设计.该方法有效提高了通信信号的调制识别精度,降低了识别误差.通信信号自动
15、调制识别方法设计通信信号的调制识别原理是:根据不同调制模式下输出通信信号特征,设置信号调制识别标准.采集与分析传输环境中实时通信信号,得出当前通信信号特征,通过提取特征的匹配,得出通信信号调制类型、调制强度的识别结果.此次优化设计方法利用多端C NN算法构建调制识别器,为信号的识别工作提供技术支持.设置通信信号调制识别标准通信信号的调制方式包括振幅键控调制、频移键控调制、相移键控调制以及正交幅度调制等多种类型.振幅键控调制模式作用下,通信信号可以量化表示为:gMA S K(t)nAMA S K(tn s)c o s(fct)()式中,AMA S K为通信信号的振幅键控调制幅值,(t)为单个矩形
16、脉冲,s为码元间隔,(t)宽度与s取值相等,fc为通信信号的频率值.频移键控调制的工作原理是通过模拟调频电路和键控法来产生,具 体 的 调 制原 理 如 图所示.图频移键控信号调制原理图利用图表示的调制方式,得出的通信信号调整结果可以表示为:gMF S K(t)nAMF S K(tn s)c o s(fct fit)()其中:fi表示的是调制频率,AMF S K为频移键控通信信号幅值.另外相移键控调制以及正交幅度调制模式下得出通信信号的函数表达式如下:gMP S K(t)(tn s)c o s(fctn)gMQAM(t)AMQAM(tn s)c o s(fctn)()其中:AMQAM为正交幅度
17、调制幅值,n为通信信号载波在t时刻的相位.根据不同调制方式确定通信信号特征,以此作为通信信号调制识别的参考标准.构建通信信号模型通信信号由发送端发出经通信信道传输至接收端,发出的信源信号经过编码调制而成,最终接收端得出的通信信号通用模型可以表示为:g(t)yej(ft(t)L(t)q(t)dtJ(t)()式中,y为接收通信信号的影响因子,ft和(t)分别为信号的频率偏移和相位偏移量,L(t)、q(t)和J(t)分别为通信信号滤波器、信道响应函数和加性噪声,为同步时间差.由此得出通信信号模型的构建结果.初始通信信号的自动采集与预处理利用带通采样工具采集通信系统中的实时通信信号,带通采样原理是在固
18、定的频率范围内将时间连续的信号根据其信号带宽,按照一定的采样频率采集通信信号,通信信号的采样宽度和频率分别为:Bfu p p e rfl o w e rfs a m p l i n g(fl o w e rfu p p e r)Ns a m p l i n g()式中,fu p p e r和fl o w e r分别表示通信信号频率采集范围的上限截止频率、下限截止频率,Ns a m p l i n g为采样通信信号数量.以采样频率fs a m p l i n g采样通信信号,得到离散时序信号的频谱,其频谱是以取样频率为周期的延拓.为了在不失真的情况下重构出原始信号,需要选取适当的延拓周期,以保证
19、不会与延拓成分发生混淆.以自动采集的初始通信信号为研究对象,以保证通信信号的调制识别质量为目的,需要预处理初始信息.初始通信信号的预处理主要包括两个环节,分别为小波消噪和信号归一化.其中小波消噪可以分为个步骤,首 先 利 用 公 式()对 采 样 通 信 信 号 进 行 小 波变换.gN o i s eg(t)t()dt()式中,和分别为尺度系数和时间平移系数,(t)为基本小波.通信信号的归一化处理过程可以量化表示为:xn o r m a l i z a t i o nx(t)m i n(x(t)m a x(x(t)m i n(x(t)()其中:m i n()和m a x()分别为最小值和最大
20、值的求解函数.按照上述流程完成通信信号的自动采集与预处理工作.利用多端C N N算法构建通信信号识别器多端C NN算法输出的数据具有局部性和平移不变形特点,复合通信信号调制识别的基本假设,可利用多端C NN算法构建通信信号的调制识别器.多端C NN算法将局部感知、权值共 享、池 化 降 采、非 线 性 映 射 相 结 合,对 多 端C NN进行分层抽取,并将其抽象为后续的工程应用.构建的多端卷积神经网络结构如图所示.卷积神经网络的建立主要考虑卷积层的尺寸、卷积层数目和卷积层中的卷积核数目、大小、步长、池化层数目、每一池化层中的池化窗大小和步长,以及针对特定任务所投稿网址:w w wj s j
21、c l y k z c o m第期艾散帕合提,等:基于多端C NN的通信信号自动调制识别研究 图多端卷积神经网络结构图需的全连接层数和每一层神经元数目.卷积神经网络的每个层次都是一个二维的平面,叫做卷积层.在此基础上,利用加权分享的方法,减小了网络的参数规模.因为最初的输入资料是 个通讯讯号取样数据点,而输出则是待辨识的讯号调制方式,故输入为 ,输出为.而且,在接近于输入端的卷积层中,卷积核的数量和大小应当比离输出较近的卷积层要大;通常,卷积核的大小可以设定为卷积核大小的二分之一.池化运算会在多个卷积运算后进行,而且池化窗和步长都不能太大,预设值是.为了确定中间的卷积层和池积层的参数,需要进行
22、试验,比较不同结构参数设定的卷积神经网络的识别准确率,以获得适合的网络结构.多端卷积神经网络通过卷积、池化、全连接等步骤完成识别功能,其中卷积运算原理如图所示.图多端C NN中卷积运算原理图卷积运算是基于全连结网络的卷积神经网络,它最大程度地改善了相似网状资料的局部性和平移不变特性.其次,在卷积核中引入加权分享机制,也就是在卷积核中,由后一层的神经元分享加权.在此基础上,引入了卷积运算,使要学习的参数数目大为减少,并能有效地降低过拟合的危险.多端卷积神经网络中卷积运算过程可以表示为:yc o n v o l u t i o nfc o n v o l u t i o nK kL lc o n
23、v o l u t i o nx(t)bc o n v o l u t i o n()()式中,K和L分别为卷积神经网络的长度和宽度,bc o n v o l u t i o n为卷积核对应的偏置量,另外fc o n v o l u t i o n表示的是多端C NN的激活函数,其函数表达式为:fc o n v o l u t i o ne x()将公式()表示的激活函数代入到公式()中,即可完成多端C NN中的卷积运算工作.其次,执行池化运算,进一步缩小了网络规模,减少了参数集,而池化层的主要功能是在卷积层特征的基础上,再次提取输入的数据.在多层C NN上,全连接层就是隐藏层的一部分.每个神
24、经元节点之间的传递是由两个神经元之间的连接线的权值传递,然后经过加权合并,就可以获得后面的神经元节点.池化层与全连接层的运行原理如下:yP o o l i n gm a x(x(t)yf u l lff u l lK kL lf u l lx(t)bf u l l()()从式()中可以看出,多端C NN算法的池化层使用最大池化的方式,ff u l l()、f u l l和bf u l l分别表示全连接层的激活函数、权重和偏置量.经过卷积、池化和全连接层进行运算,并通过输出层输出结果,完成多端C NN算法的前向传播.在算法前向传播中,每次迭代时,需要比较网络正向传输的结果和真正的标记值,并将其称
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 多端 CNN 通信 信号 自动 调制 识别 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。