首页 > 其他分享 >m基于功率谱,高阶累积量和BP神经网络-GRNN网络的调制方式识别仿真,对比2psk,4PSK,2FSK以及4FSK

m基于功率谱,高阶累积量和BP神经网络-GRNN网络的调制方式识别仿真,对比2psk,4PSK,2FSK以及4FSK

时间:2023-02-14 21:02:03浏览次数:46  
标签:end 2FSK 4PSK 2psk func N0 check

1.算法描述 首先区分大类的话采用的基于功率谱提取的len参数(峰值频率间隔),用峰值个数来代替,这样能很好的区分大类把MFSK和MPSK信号区分开。

针对MPSK:

一:基于瞬时参数——Char2你采用的这个是零中心非弱信号段瞬时相位非线性分量的标准偏差,这个是用来区分2PSK和4PSK的。

二:高阶累积量——针对MPSK高阶累积量的组合在高斯噪声以及多径下能较好的区分MPSK信号。

三:谱相关系数——参考文献(1)中基于谱相关的调制识别,采用谱相关系数在的最大值C可区分2PSK和4PSK。(文献1中4.3节中4.3.2的第四个特征参数)

四:循环累积量——针对MPSK循环累积量在多径下识别率较高,主要是计算量大,复杂度高的特点,区分效果和高阶累积量相同,也是具有抗多径的效果。

五:小波——参考文献(2)针对MPSK的调制识别,码元交界处有幅度不同的跳变,跳变的幅度个数表征PSK的调制阶数,这种特征提取需要进行符号速率估计!(文献2中5.1.4节PSK中的信号阶数判别)

六:M次方谱——参考文献(3),对于BPSK信号的平方谱在2倍载频处有很强的单频分量,其他的PSK信号无此特性,QPSK信号的四次方谱在2倍载频处有单频分量,所以M次方谱的单频分量的检测可以区分信号MPSK信号。

    广义回归神经网络是径向基神经网络的一种,GRNN具有很强的非线性映射能力和学习速度,比RBF具有更强的优势,网络最后普收敛于样本量集聚较多的优化回归,样本数据少时,预测效果很好,还可以处理不稳定数据。虽然GRNN看起来没有径向基精准,但实际在分类和拟合上,特别是数据精准度比较差的时候有着很大的优势。

   GRNN是RBF的一种改进,结构相似。区别就在于多了一层求和层,而去掉了隐含层与输出层的权值连接(对高斯权值的最小二乘叠加)。

image.png 1.输入层为向量,维度为m,样本个数为n,线性函数为传输函数。

2.隐藏层与输入层全连接,层内无连接,隐藏层神经元个数与样本个数相等,也就是n,传输函数为径向基函数。

3.加和层中有两个节点,第一个节点为每个隐含层节点的输出和,第二个节点为预期的结果与每个隐含层节点的加权和。

4.输出层输出是第二个节点除以第一个节点。

2.仿真效果预览 matlab2022a仿真结果如下: 2.png4.png3.png

3.MATLAB核心程序


clear;

close all;

warning off;

addpath 'func\'

%全局变量

parameters;

 

 

SNR0   = inf;

N0     = 50000;

 

 

y_2FSK = zeros(1,N0);

y_4FSK = zeros(1,N0);

y_2PSK = zeros(1,N0);

y_4PSK = zeros(1,N0);

 

 

%2FSK

y_2FSK = func_2FSK(N0);

%4FSK

y_4FSK = func_4FSK(N0);

%BPSK

y_2PSK = func_2PSK(N0);

%QPSK

y_4PSK = func_4PSK(N0);

 

 

%调制识别

y_2FSKn = func_add_noise(y_2FSK,SNR0);

y_4FSKn = func_add_noise(y_4FSK,SNR0);

y_2PSKn = func_add_noise(y_2PSK,SNR0);

y_4PSKn = func_add_noise(y_4PSK,SNR0);

 

 

%首先进行FSK和PSK两种模式的区分

Ns      = 2048;

%用x进行功率谱估计

[p1,f1] = func_power(y_2FSKn,Ns);

[p2,f2] = func_power(y_4FSKn,Ns);

[p3,f3] = func_power(y_2PSKn,Ns);

[p4,f4] = func_power(y_4PSKn,Ns);

 

 

 

len1 = func_fsk_psk_check(p1);

len2 = func_fsk_psk_check(p2);

len3 = func_fsk_psk_check(p3);

len4 = func_fsk_psk_check(p4);

 

 

 

 

%根据参数获得FSK和PSK区分参数

Level= (mean([len1,len2]) - mean([len3,len4]))/2;

 

%分别提取FSK和PSK的不同调制方式的特征参数

char1   = real(func_para_check(y_2FSKn,N0));

char2   = real(func_para_check(y_4FSKn,N0));

char3   = real(func_para_check(y_2PSKn,N0));

char4   = real(func_para_check(y_4PSKn,N0));

 

 

 

 

%通过GRNN神经网络进行训练

char    = [char1;char2]';

T       = [1;2]';

net_fsk = newgrnn(char,T,1.2);

 

char    = [char3;char4]';

T       = [1;2]';

net_psk = newgrnn(char,T,1.2);

 

 

 

 

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%加载信号进行测试

%通过大量的循环测试,计算正确率

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

zql  = 0;

 

%运行的时候,尽量将下面的两个参数指标设置大点,这样结果才精确

MTKL  = 100;

SNRS  = [5:0.25:9,10:15];

Bers  = zeros(length(SNRS),1);

 

for jj = 1:length(SNRS)

    for i = 1:MTKL

        SNRS(jj)

        i

        s = RandStream('mt19937ar','Seed',i);

        RandStream.setGlobalStream(s);

        %长度

        N      = N0;

        %SNR

        SNR    = SNRS(jj);

        %2FSK

        y_2FSK = func_2FSK(N);

        %4FSK

        y_4FSK = func_4FSK(N);

        %BPSK

        y_2PSK = func_2PSK(N);

        %QPSK

        y_4PSK = func_4PSK(N);

 

        

        

        %设置单独的一种调制信号

        tmps   = [1,1,1,1];%2FSK

        if tmps(1) == 1

           datas = y_2FSK;

        end

        if tmps(1) == 2

           datas = y_4FSK;

        end

        if tmps(1) == 3

           datas = y_2PSK;

        end

        if tmps(1) == 4

           datas = y_4PSK;

        end

 

        datas  = func_multipath(datas);

        data   = func_add_noise(datas,SNR);

 

 

        [p,f] = func_power(data,Ns);

        len   = func_fsk_psk_check(p);

 

 

        flag  = 0;

        %首先进行FSK和PSK两种模式的区分

        if len >= Level%为FSK模式

           %根据识别参数进行调制类型的辨识

           char = real(func_para_check(data,length(data)));

           T    = round(sim(net_fsk,char'));

           if T == 1

              flag = 1;

           end

           if T == 2

              flag = 2;

           end

        else%为PSK模式

           %根据识别参数进行调制类型的辨识

           char = real(func_para_check(data,length(data)));

           T    = round(sim(net_psk,char'));

           if T == 1

              flag = 3;

           end

           if T == 2

              flag = 4;

           end

        end

        if flag == tmps(1)

           zql = zql + 1;

        end

    end

 

    %识别正确率

    Bers(jj) = zql/MTKL;

    zql      = 0;

end

 

 

R = 100*mean(Bers,2);

01-126m

标签:end,2FSK,4PSK,2psk,func,N0,check
From: https://blog.51cto.com/matworld/6057417

相关文章