發(fā)布時間：2020-03-27 02:37

【摘要】：礦井信息化是煤礦安全生產的有效保障,而礦井多個信息子系統(tǒng)往往采用不同的信號模式,形成一體化信息系統(tǒng)必須實現多系統(tǒng)融合,多模信號的檢測識別是多系統(tǒng)融合的關鍵。本文研究礦井環(huán)境對信號特征參量的影響,以支持向量機(SVM)作為分類器,建立礦井環(huán)境多模信號的分類識別模型,對井下多系統(tǒng)的研究與融合提供理論基礎。針對礦井環(huán)境對信號的調制識別進行研究,選用模式識別方法,其分為特征參數提取和分類器設計兩大部分。針對特征參量提取問題,選取信號的四階累積量作為特征參量,分析并得出信號在高斯白噪聲信道下的二階矩、四階矩以及四階累積量值;在此基礎上,進一步分析信號四階累積量與陰影衰落和小尺度衰落的關系,并得出其經過這兩種衰落信道的表達式。針對分類器設計問題,選取SVM作為目標分類器,以信號的四階累積量作為SVM的輸入,分別在二叉樹分類器、一對余類分類器、一對一分類器以及決策樹分類器情況下,實現對BPSK、OFDM、16QAM和64QAM四種信號的分類識別。仿真結果表明,決策樹分類器識別效果較一對多分類器效果差;基于SVM算法下的三種分類器識別性能相當,且在低信噪比下,識別效果不理想。針對普通SVM分類器在低信噪比下低識別率的問題,提出優(yōu)化SVM分類識別的方法。將數據樣本集分為測試數據集和訓練數據集,使用粒子群算法和遺傳算法對訓練數據集中SVM的懲罰因子和核函數進行尋優(yōu)處理,得到優(yōu)化的SVM模型,并用此模型對測試集進行測試分類。文中使用Matlab平臺環(huán)境進行仿真,仿真結果表明,在信噪比為-5dB的三種信道環(huán)境下,四種信號的平均識別率均能達到80%以上;在信噪比大于-3dB的三種信道環(huán)境下,四種信號的平均識別率均能達到90%以上。
【圖文】：

2 數字信號調制識別的理論分析信號模式識別過程一般可分為信號預處理、提取特征參數以及分類器設計這三部分而其中研究的兩個關鍵點是特征參數的提取和分類器的選取與設計。對幾種特征參數取的方法進行對比分析，，得出不同的特征提取方法的優(yōu)缺點以及應用場景。數字調制識別是所有信號處理與分析的基礎。相較于模擬信號，數字信號具有更的抗干擾性，數字調制已經被廣泛應用于各種通信系統(tǒng)中。本章將對 BPSK、16QAM64QAM 以及 OFDM 這幾種數字信號的調制進行分析，并仿真得出信號的星座圖，為續(xù)從理論上分析得出信號二階矩、四階矩以及四階累積量作基礎。2.1 調制識別的過程研究對事物的某些信息進行分析處理，提取出有別于其他事物的有效特征信息，這些征信息在本質上是可以完成對數據的識別與分類，用以對事物所表現出來的現象進行述和解釋，將這個過程稱之為模式識別。實質上，通信信號的分類識別也屬于模式識別具體的調制識別算法的基本流程圖如圖 2.1 所示：

（a）模擬調制法 （b）數字鍵控法圖 2.2 BPSK 調制的基本原理框圖-4 -2 0 2 4-4-3-2-101234QuadratureIn-Phase接 收 信 號 星 座 圖含 噪 聲 接 收 信 號不 含 噪 聲 信 號圖 2.3 BPSK 星座仿真圖
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TD76;TP18

【參考文獻】

相關期刊論文 前8條

1 江偉華;曹秀嶺;童峰;;采用支持向量機的水聲通信信號調制識別方法[J];廈門大學學報(自然科學版);2015年04期

2 王蘭勛;孟祥雅;佟婧麗;;基于循環(huán)譜和稀疏表示的多信號調制識別[J];電視技術;2015年01期

3 姜培華;;幾種概率分布高階原點矩的計算[J];重慶工商大學學報(自然科學版);2014年09期

4 朱洪波;張?zhí)祢U;王志朝;李軍偉;;瑞利信道下基于累積量的調制識別方法[J];計算機應用;2013年10期

5 李艷玲;李兵兵;劉明騫;;瑞利衰落信道下MQAM信號的盲識別方法[J];華中科技大學學報(自然科學版);2012年04期

6 方奇;張煒;;衰落環(huán)境中數字調制識別仿真研究[J];信息化研究;2011年02期

7 龔曉潔;朱琦;;衰落信道下基于支持向量機的調制識別方法[J];信號處理;2010年08期

8 王建新,宋輝;基于星座圖的數字調制方式識別[J];通信學報;2004年06期

相關博士學位論文 前1條

1 李艷玲;非合作通信中單載波調制信號識別算法研究[D];西安電子科技大學;2013年

相關碩士學位論文 前9條

1 周龍梅;基于深度學習的通信信號識別技術研究[D];北京郵電大學;2018年

2 岳震林;基于二次星座聚類和模糊補償支持向量機的調制識別研究[D];南京郵電大學;2017年

3 于政委;基于多特征融合的調制模式識別研究[D];西南科技大學;2017年

4 陳蕙心;通信信號調制識別技術研究[D];西安電子科技大學;2017年

5 郗茜;基于LS-SVM的半圓拱形巷道無線信道建模與預測[D];西安科技大學;2017年

6 褚國星;非協作通信信號調制識別研究與實現[D];重慶大學;2017年

7 黃勇;通信信號的自動調制識別算法仿真研究與實現[D];電子科技大學;2013年

8 霍天龍;基于支持向量機的轉子系統(tǒng)故障診斷方法研究[D];蘭州理工大學;2011年

9 龔曉潔;基于支持向量機的調制方式識別算法的研究[D];南京郵電大學;2011年

本文編號：2602336