基带通信信号的参数估计、调制识别及解调

随着现代通信技术和通信系统不断发展完善,在不干扰正常通信情况下实现系统接入的需求,已经在单点对多点网络通信、无线电资源管理与监控、通信系统故障检测、通信侦察与对抗等民用和军事领域内不断增加。这种无授权接入通信形式,称为非协作式通信。非协作式通信包括参数估计、调制方式识别、参数调整与盲解调、信息分析、信息欺骗等过程。对于一个未知通信信号进行接收解调的前提条件是首先要确定该信号的调制样式及信号参数,也即需要参数估计和调制识别过程。 为了可靠的识别和解调,需要预先估计信号的符号率,频偏和定时误差等参数,有时也需要估计信噪比、带宽和功率。估计并补偿频偏是为了实现载波同步,估计符号率和校正定时误差是为了实现码元同步。 通信信号的调制识别的基本任务是在多信号环境和有噪声干扰的条件下确定出接收信号的调制方式和其他信号参数,为进一步分析和处理信号提供依据。早期的调制识别方法都是借助各种仪器人工完成的。需要有经验的操作人员,主观性强,持续时间长,且识别种类有限。而自动调制识别技术不仅可以克服人工参与识别时遇到的各种困难,而且对估计误差、噪声和衰落效应等干扰因素也具有较强的鲁棒性。调制识别中融合了检测、估计、特征提取、分类识别等内容。对通信信号调制识别技术的研究,就是寻求一种简单快速、有可靠识别率、识别范围广、能适用于复杂多变的环境背景的识别方法,以满足实时处理的需要。 为了有效地实现分类识别,必须对原始的输入数据进行变换,得到最能反映分类差别的特征。这些特征的提取和选择是非常重要的,它直接影响分类器的设计和性能。目前,现有的特征参数提取方法有：时域变换技术,频域变换技术,小波变换技术,高阶谱分析技术,星座图理论等。分类识别是依据信号特征的观测值将其分到不同类别中去。选择和确定合适的判决规则和分类器结构,也是信号调制识别系统中的重要研究课题。主要有梯形结构的分类器和神经网络结构的分类器。 本课题以非协作通信系统中的正交调制的基带通信信号为研究目标,在软件无线电平台下,根据现有的研究结果,重点研究参数估计、自动调制模式识别等非协作式通信亟待解决的问题,并进行相应的程序实现,并进一步地,探讨对接收信号的解调和信息分析,最终形成一个完整的复杂通信信号特征参数提取与识别技术方案。研究内容主要包括：符号率估计、载波频偏估计、调制方式识别以及盲解调等。