1．2 信號(hào)的調(diào)制識(shí)別流程
在低信噪比環(huán)境中，基于高階累積量的數(shù)字調(diào)制信號(hào)識(shí)別算法對(duì)2ASK和4ASK信號(hào)的識(shí)別率普遍較低。針對(duì)此問題，本文提出了高階累積量的改進(jìn)算法。文中在高階累積量算法的基礎(chǔ)上，對(duì)四個(gè)特征參數(shù)的判決順序稍作調(diào)整，將MASK信號(hào)與其他信號(hào)分離，取得了較好的效果。具體識(shí)別過程如下：
(1)用編程工具編程產(chǎn)生各種數(shù)字調(diào)制信號(hào)，并加入信噪比已知的噪聲，作為待識(shí)別的信號(hào)。
(2)將接收到的待識(shí)別信號(hào)通過下變頻直接變換到零頻，然后利用正交下變頻技術(shù)得到復(fù)基帶調(diào)制信號(hào)。
(3)計(jì)算各種待識(shí)別信號(hào)的二、四、六階累積量，并計(jì)算其特征參數(shù)Fe1，F(xiàn)e2，T4。
(4)利用特征參數(shù)T4的識(shí)別，可以將信號(hào)分為兩組：第一組為MASK信號(hào)，第二組為MPSK，16QAM，MFSK信號(hào)。利用Fe2的閾值(t1)實(shí)現(xiàn)
第一組組內(nèi)識(shí)別；再利用Fe2的另一個(gè)閾值(t2)和Fe1從第二組中識(shí)別出16QAM，MPSK信號(hào)。
(5)將待識(shí)別信號(hào)進(jìn)行微分后再經(jīng)中值濾波器，計(jì)算變換信號(hào)的高階累積量，并計(jì)算特征參數(shù)Fe3，利用Fe2實(shí)現(xiàn)MFSK類內(nèi)識(shí)別。
在信號(hào)的調(diào)制識(shí)別過程中，主要是根據(jù)決策樹方法進(jìn)行分類和識(shí)別。本文在提取上述四個(gè)特征參數(shù)的基礎(chǔ)上，根據(jù)不同的決策規(guī)則建立決策樹。經(jīng)過多次性能的仿真和比較，最終得到一種比較好的識(shí)別算法，如圖1所示。其中t0，t1，t2，t3，t4都是閾值。