论文部分内容阅读
在移动用户目标系统（The Mobile User Objective System,MUOS）、国际空间数据系统咨询委员会（Consultative Committee for Space Data Systems,CCSDS）卫星通信系统中,如何实现信号的截获识别;受噪声干扰的信号识别;复杂环境的自适应智能通信,都是目前研究中亟待解决的热点问题,其中信道编码识别起着不可或缺的作用。传统的信道编码识别,一般较难满足多种类型不同参数编码的同时识别。而利用多维特征的神经网络模型的编码识别,不仅可以为识别提供多角度信息,强化分类识别的效率和准确性,还可以同时完成信道编码类型识别和参数估计。该技术的重点是,如何进行信号处理、特征提取、信号识别和模型设计。针对上述问题,本文进行了原理剖析、算法设计以及实验仿真等,主要工作如下:1.参考CCSDS、WCDMA协议,仿真14种信道编码信号和28种编码调制信号,并对仿真数据进行验证。2.提出一种RS码与卷积码的级联码的参数估计方法。通过对传统信道编码参数估计算法研究和实现,针对级联码的参数估计算法进行改进,与级联码分级识别的算法相比计算复杂度降低了一个数量级,并且误码率条件提高了0.001。3.提出信道编码的5种特征提取算法。分别包括有限域傅里叶变换、广义码重、码重相似度、深度谱和游程的特征提取方法。本文建立多种信道编码的特征映射关系,并利用欧氏距离对5种特征的有效性进行判定,利用1中的仿真数据,在误码率为5×10-3的条件下,可以达到90%的识别率。4.利用上述特征提取算法,基于多特征输入的神经网络模型,对信道编码的多维特征样本进行学习,利用1中的仿真数据,在7×10-3误码率的条件下,识别率达到90.2%。。5.基于多维度输入的编码调制信号的联合识别模型,通过对编码调制信号的原始数据、时频数据训练,在信噪比为-2dB的条件下,可以实现识别。6.利用4和5的方法进行实测数据验证。将实测数据进行滤波、载频估计、下变频、扰码估计、解扰、解扩等处理后,其编码类型识别率达到94.6%。上述工作已使用仿真数据和实测数据验证。结果显示,本文方法可以有效实现信道编码的类型识别和参数估计,并在此基础上实现编码调制信号的联合识别。