基于特征曲线拟合的调制识别方法

采用调制信号由USRP2930采集的QPSK、16QAM、64QAM、128QAM采用特征先对IQ数据作FFT变换得到频谱计算频域奇异谱香农熵特征-信噪比 曲线拟合采用二阶傅里叶级数置信度95%信噪比估计基于奇异值分解的方法分类判决特征欧氏距离仿真6. 数据集[-5,20]步进1dB每个信噪比下每种调制信号使用400个信号7. 计算特征值对每种调制信号400计算特征值求平均用特征的平均值进行 特征-信噪比 曲线拟合8. 曲线拟合value a0 a1*cos(x*w) b1*sin(x*w) a2*cos(2*x*w) b2*sin(2*x*w);每种调制信号的 特征-信噪比 曲线用到了6个参数上式中x指信噪比9. 信噪比估计奇异值分解snr estimateSNR(signal)直接送入IQ复信号可较准确误差0.5dB可以满足本方法所需估计的信噪比范围在-1030经过多次实验发现当p取 m/3 时即可取得以上所述估计效果。p是特征值中对应于信号功率的个数m的信号自相关矩阵的阶数参考论文建议为[50,100],本实验采取m60pm/32010. 分类判决根据估计出的信号的信噪比计算对应的特征值对比四种调制信号判为欧氏距离最小的那一类。结果分析在0dB的时候四种调制信号都能达到90%以上的识别率。