1.软件版本

matlab2017b

2.本算法理论知识

我们提取信号的8个特征参数。然后将这个参数通过GRNN神经网络，然后进行训练识别，获得最后的分类。

这里，8个参数分别为：

第1个参数：高阶累积量

第2个参数：高阶累积量

第3~8个参数：

首先对信号计算希尔伯特变换，然后获得如下6个参数：

这六个参数均为统计量参数。

分别的含义是：

均方差比均值平方；

信号相位统计差

希尔伯特变换后的绝对值方差的倒数

希尔伯特变换后的FFT变换后的峰值

频率的方差

相位的方差

将上述8个参数作为GRNN神经网络的训练数据输入。

广义回归神经网络的理论基础是非线性核回归分析，非独立变量y相对于独立变量x的回归分析实际上是计算具有最大概率值的y。设随机变量x和y的联合概率密度函数为f (x ,y)，已知x的观测值为X，则y相对于X的回归，即条件均值为：

GRNN通常被用来进行函数逼近。它具有一个径向基隐含层和一个特殊的线性层。第一层和第二层的神经元数目都与输入的样本向量对的数目相等。GRNN结构如图1所示，整个网络包括四层神经元：输入层、模式层、求和层与输出层。

3.部分源码

clc;
clear;
close all;
warning off;
addpath 'func\'
addpath 'func\wifi\'
addpath 'func\S3G\'%1:WIFI
%2:3G
%3:Fsk广播信号
SNRs = [5:1:12];
Err  = zeros(size(SNRs));
MTKL = 50;
for jj = 1:length(SNRs)
SNR=SNRs(jj);
jj
for ii = 1:MTKL
rng(ii);
%%
SEL  = floor(3*rand())+1;
%产生需要测试的无线信号
%1:WIFI
if SEL == 1Signal = func_wifi(SNR);
end
%2:3G
if SEL == 2Signal = func_3G_mobile(SNR);
end
%3:Fsk广播信号
if SEL == 3Signal = func_2FSK(5000);
end
%采样化处理
Fs      = 1e6;   %信号采样率
fc      = Fs/32;  %信号采样率
nsamp   = 32;    %过采样率
delay   = 16;    %根号下升余弦的群时延
dataout = RRCsend(Signal,Fs,nsamp,delay);
%基于SDR的上变频
if SEL == 1 | SEL == 2R = real(dataout).*cos(2*pi*fc*[1:length(dataout)]/Fs) + imag(dataout).*sin(2*pi*fc*[1:length(dataout)]/Fs);
end
if SEL == 3R = dataout;
end
%通过噪声信道
dataout = awgn(R,SNR,'measured');
%%
%以下是SDR的接收平台
Rec     = dataout;
%特征提取
char    = real(func_para_check(real(Rec),Fs,fc));
%识别
load Grnn.mat
T(ii) = round(sim(Net,char'));
SELss(ii) = SEL;
end
Err(jj) = length(find(T==SELss))/MTKL;
endfigure;
plot(SNRs,Err,'b-o');
grid on
xlabel('信噪比');
ylabel('识别正确率');
save D.mat SNRs Err

4.仿真结论

A05-50

【信号类型识别】基于高阶累积量和GRNN神经网络的WIFI与3G/4G信号的识别相关推荐

【调制识别】基于高阶累积量的调制方式识别算法matlab仿真，课题识别BPSK, QPSK, 16QAM, 64QAM
目录一.理论基础二.核心程序三.仿真测试结果一.理论基础由于数字调制信号越来越多地应用于通信信号处理领域,因此对数字信号调制识别的研究也越来越多.传统的调制识别的判决方法有:决策判决法.高阶 ...
基于高阶累积量的调制信号识别算法的研究——详细版
在进行调制方式识别之前,我们首先需要对信号的相关特征进行提取,信号特征的提取需要反映调制信号的细节信息,本文将选择信号的高阶累积量以及信号的希尔伯特变换结果作为特征提取值.在对调制信号进行识别之前,需 ...
基带模型下基于高阶累积量的MFSK信号的调制识别（代码和参考文献见CSDN同名资源）
信号模型:基带信号文献一:吕新正. 利用高阶累积量实现数字调制信号的自动识别[J]. 2004. 核心思想:将基带信号进行微分后在计算|C21|和|C42|的值,定义特征参数 T 4 = ∣ C 4 ...
基于高阶累积量的数字调制信号分类（Hierarchical Digital Modulation Classification Using Cumulants例1复现）
本文主要来源于2000年Swami经典文献Hierarchical Digital Modulation Classification Using Cumulants中例1的复现(文献共有15个实例, ...
【高阶累积量】基于高阶累积量的信噪比盲估计法的matlab仿真
1.软件版本 matlab2013b 2.系统描述所谓高阶统计量,通常是指信号的高阶矩,高阶累积量等信号统计信息的统称.在这些高阶统计量中,高阶累积量具有十分重要的重用,不同阶数的累积量可以反映出信 ...
高阶累积量四阶矩_高阶累积量
摘要:基于高阶累积量的数字调制信号识别算法在低信噪比环境下识别率较低.针对这一问题,提出了高阶累积量的改进算法,通过调整特征参数的判别顺序先识别出MASK信号的方式,取得了较好的效果.讨论了该算法的F ...
高阶累积量四阶矩_基于四阶累积量的LCMV自适应波束形成算法
任培林摘要基于四阶累积量的线性约束最小方差(LCMV)算法的自适应形成波束,通过四噪声阶累积量中所含的冗余成分构建虚拟阵元,避免了相关高斯噪声的影响,保证了方向图能在期望信号方向增益最大,干扰方向 ...
matlab 求高阶累积量,高阶累积量matlab源码
[实例简介] 对数字调制信号ASK.FSK.PSK类利用高阶累积量特征进行识别的matlab程序 [实例截图] [核心代码] 高阶累积量识别信号 └── 高阶累积量 ├── 识别率 │ ├── a ...
高阶累积量四阶矩_高阶累积量.ppt
高阶累积量内容经典谱估计与现代谱估计参数模型法概述基于AR模型的谱估计法最大熵谱估计算法最小方差谱估计基于矩阵特征分解的谱估计高阶谱估计内容随机信号的特征经典谱估计与现代谱估 ...

【信号类型识别】基于高阶累积量和GRNN神经网络的WIFI与3G/4G信号的识别

1.软件版本

2.本算法理论知识

3.部分源码

4.仿真结论

【信号类型识别】基于高阶累积量和GRNN神经网络的WIFI与3G/4G信号的识别相关推荐

最新文章

热门文章