Matlab图象处理（进阶版）
路径规划（Matlab）
神经网路预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
讯号处理（Matlab）
车间调度（Matlab）
⛄一、无线网通号调制辨识简介
通讯讯号具有多种调制方法,其主要任务是在讯号众多的环境下确定接收讯号的调制方法和其他讯号参数,因而确保无线网通号的确切性和真实性,以易于技术人员对讯号进行更深一步的剖析和处理。通讯讯号的调制辨识方法广泛应用于讯号确认、无线电窃听及卫星通讯等领域,目前怎么手动分类和辨识调制方法成为重点研究的课题。文章将针对无线电通讯讯号的调制辨识方式进行深入的研究。
0序言
无线网通号的调制辨识是指在没有充足的先验知识的情况下，通过对接收讯号的剖析和处理，最终判定出接收讯号的调制方法，因而更好地为讯号处理提供信息和参数。随着现代科学技术的急速发展，调制辨识逐步应用于认知无线电、通信侦察及无线电点频度监测等领域，这对于调制辨识的研究有了更高的要求。为此，要强化无线网通号调制辨识的研究，剖析目前调制辨识领域中常用的几种方式，确保应用调制方式的可行性，从而更好地提取接收讯号的调制特点。
1调制辨识的概述
1.1调制的基本概念
调制是指借助调制讯号控制扩频的具体参数，使调制后的讯号可以包含原讯号的所有信息，即信息的载体随调制讯号变化的规律。通常情况下，原始的信息不适宜用作传输讯号，由于原始讯号未被加工过，未能匹配传输信道，所以要对原始讯号进行调制。调制的目的就是将调制信息与传输信道相匹配，因而更好地完成讯号的传输。通讯讯号的调制具有多种性能，比如辨识能力、抗干扰能力等，除了可以实现通讯讯号的有效传输，还能否提升通讯讯号的监控和辨识。讯号调制辨识技术主要包括3种讯号的辨识，分别是雷达讯号、无线电通讯讯号及导航讯号，其中无线电通讯讯号的应用范围最广，其调制方法也最复杂。
1.2调制的分类
调制的种类复杂多样，分类也各不相同。一般情况下，调制主要分为两大类，一是正弦波调制，二是脉冲调制。不同调制的分类有着不同的特性和性能，在实际应用时要依照具体情况来选择调制方法。
正弦波调制是以扩频为余弦讯号的，主要的调制方法有调幅、调频、双边带、上边带及下面带等。这些调制方法又被分为模拟调制和数字调制，其中模拟调制是以调制讯号为模拟讯号的正弦波调制，而数字调制则是以数字讯号为模拟讯号的正弦波调制。近些年来，数字调制的应用价值逐渐上升，研究学者愈发重视数字调制的研究，数字调制也不断出现新的形式。
脉冲调制的主要方法是以被调制的扩频为脉冲串，从而为讯号进行调制。主要的调制方式分为两种:(1)借助连续的调制讯号改变脉冲扩频的参数，这些方式一般应用于有线传输系统;(2)借助连续的调制讯号的数字化方式转换脉冲编码调制的脉冲组，主要应用于信源编码。另外，调制又被分为两大类:(1)线性调制;(2)非线性调制。这两类调制一般是指正弦波调制[2]。
1.3调制的作用
在无线通讯系统的实际运行过程中语音信号的小波分析仿真程序，调制技术是一项必不可少的关键技术，其应用领域非常宽广，包括军事、民用应用、雷达、遥控等领域。在军事领域，调制可以实现讯号的确切判定，是对敌人通讯进行侦查和干扰的前提，假如可以提早把握敌人通讯的调制方法，就可以将通讯讯号的参数预估下来，因而采取有针对性的压制策略。在民用领域，调制技术可以帮助地方政府进行有效的无线电管理工作，窃听无线电电台是否合法，及时发觉不遵循管理部门规定的行为，对提升非合作通讯任务的工作质量和工作效率有着很大的帮助。同时，随着高速率数字调控的发展，通讯系统的容量也得到了相应的扩展，进一步促进了社会信息化的建设，满足了社会发展的信息需求[3]。
2无线电通讯讯号的调制辨识
无线电通讯讯号的调制辨识主要包括讯号的接收、信号的预处理、信号辨识特点的提取及分类器设计语音信号的小波分析仿真程序，这种环节是调制辨识的通常过程。其中讯号的接收是指通过接收机来进行所需处理讯号的接收工作，在必要情况下还要做好整理和存储。
讯号的预处理是指对接收讯号进行各类预处理，因而为后续工作打下良好的基础，主要任务包括对混频、载波的恐怕。但因为高频讯号在估算和处理上具有一定的复杂性，在接收讯号后要进行变频工作，以易于讯号后期的估算和处理。
信息辨识特点提取是最为关键的一个环节，关系着调制方法辨识的正确率。首先，要想实现讯号的有效辨识，须要对接收讯号进行预处理，之后通过估算和变换得出不同调制方法的特征信息，因而辨识出不同调制方法的性能和类型。通讯讯号的频域特点包括瞬时幅度、瞬时频度和瞬时相位等，而变换域的特点包括讯号的频谱特点等，技术人员须要依照不同调制方法的特点进行选择，这样就能提升调制辨识的正确率。一般情况下，较好的特点具有以下几个条件:(1)要易于辨识，须要与不同调制方法的参数分布有着较大的差异。(2)讯号参数受噪音影响较小，同时要具备抗信道没落的稳定性。(3)提取参数的过程简单，估算不复杂，容易在实际应用中实现。
分类器设计是指在得到辨识的特点值后，按照得到的特点选择相应的调制方法，之后将其归纳到不同的类别中。目前常用的分类器有3种:(1)基于统计模式辨识方式;(2)基于决策论方式;(3)基于人工神经网路方式。其中，基于统计模式辨识方式是运用统计直方图来对所需特点进行构造，且须要利用线性分类器来实现讯号的调制辨识。基于决策论方式须要事先获知机率信息，同时要符合假定检验。人工神经网路方式可以模拟人脑辨识，具有较高的确切性，因而成为当前调制识别研究领域的热门[4]。
3无线电通讯讯号调制辨识的发展
现阶段，无线电通讯讯号的调制辨识技术早已取得了一定的研究成果，可以成功应用的方式有好多。在发展早期，通讯讯号的调制辨识主要借助人工辨识，这些方式主要通过调制设备来进行讯号的接收，之后由专业技术人员针对调制讯号的结果展开剖析，按照剖析结果来判断接收讯号的调制形式，在这一过程中容易遭到技术人员主观诱因的限制。人工辨识技术对技术人员的要求很高，除了须要具备较高的操作水平和专业知识，还要有一定的调制经验。同时，人工辨识须要利用一些高昂的辨识仪器，比如频谱剖析仪、信号接收机、调制混频器等，投入成本较高，而且难以保证通讯讯号调制辨识的确切性和精确性。
近些年来，随着信息技术的发展，调制手动辨识技术的出现遭到了广泛的关注，这项技术不会遭到人工诱因的干扰，解决了人工辨识技术存在的不足之处，且受中心频度和带宽恐怕偏差的影响较小，具备较为稳健的美白落反应，是一种应用价值极高的调制辨识技术。调制手动辨识技术极大地满足了军事领域及民用领域的应用需求，导致了不少相关学者的关注，一些学者针对讯号剖析领域和模式辨识领域进行了深入的研究[5]。
在1969年，一篇名为《利用模式辨识技术实现调制方法的手动辨识》的论文出现在技术期刊上，这是世界上第一篇研究调制手动辨识的论文。至此，不断有研究人员进行调制手动辨识技术的研究，相关论文出现在各类科技刊物中，极大地推动了调制手动辨识技术的发展。目前，调制辨识技术的方法可以分为两类:(1)基于裁定理论技巧，这些方式主要是运用机率论和假定检验理论来进行调制方法辨识，但因为须要大量的估算过程，而且要获知机率的信息，实用性不高。(2)基于统计模式辨识方式，这是一种新兴的辨识方式，较之基于裁定理论技巧估算简易，同时提取辨识特点的过程也非常简单，而且裁定规则比较复杂。以上两种方式有利有弊，在实际应用过程中都存在一定的缺陷，造成发展的局限性。为此，相关学者要强化对调制形式辨识方式的研究，优化辨识方式的性能，进而实现调制辨识正确率的提高。
⛄二、部分源代码
clc;
clearall;
%所有调制方杂讯>20dB的仿真可视化
%config
L=8192;%显示宽度
snr=0;%杂讯
yFM=FM(snr);
yFM=yFM(1:1500);
yask_2=ask_2(snr);
yask_2=yask_2(1:L);
yask_4=ask_4(snr);
yask_4=yask_4(1:L);
yfsk_2=fsk_2(snr);
yfsk_2=yfsk_2(1:L);
yfsk_4=fsk_4(snr);
yfsk_4=yfsk_4(1:L);
ypsk_2=psk_2(snr);
ypsk_2=ypsk_2(1:L);
ypsk_4=psk_4(snr);
ypsk_4=ypsk_4(1:L);
yOFDM=OFDM(snr);
yOFDM=yOFDM(1:L);
%%小波去噪前
figure(1);
subplot(3,3,1),plot(yAM),title(‘AM’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,4),plot(yFM),title(‘FM’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,2),plot(yask_2),title(‘2ASK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,3),plot(yask_4),title(‘4ASK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,5),plot(yfsk_2),title(‘2FSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,6),plot(yfsk_4),title(‘4FSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,7),plot(yOFDM),title(‘OFDM’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,8),plot(ypsk_2),title(‘2PSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,9),plot(ypsk_4),title(‘4PSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
suptitle(‘九种调制讯号仿真（小波去噪前）,SNR:0’)
%%小波变换
yAM_W=Wavelet(yAM);
y_FM_W=Wavelet(yFM);
yask_2_W=Wavelet(yask_2);
yask_4_W=Wavelet(yask_4);
yfsk_2_W=Wavelet(yfsk_2);
yfsk_4_W=Wavelet(yfsk_4);
yOFDM_W=Wavelet(yOFDM);
ypsk_2_W=Wavelet(ypsk_2);
ypsk_4_W=Wavelet(ypsk_4);
%%一层小波去噪后
figure(2);
subplot(3,3,1),plot(yAM_W),title(‘AM’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,4),plot(y_FM_W),title(‘FM’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,2),plot(yask_2_W),title(‘2ASK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,3),plot(yask_2_W),title(‘4ASK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,5),plot(yfsk_2_W),title(‘2FSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,6),plot(yfsk_4_W),title(‘4FSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,7),plot(yOFDM_W),title(‘OFDM’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,8),plot(ypsk_2_W),title(‘2PSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
subplot(3,3,9),plot(ypsk_4_W),title(‘4PSK’),xlabel(‘时间/s’),ylabel(‘幅度’);
suptitle(‘九种调制讯号仿真（小波去噪后）,SNR:0’)
%%
%hh1=yAM_W;
%hh2=y_FM_W;
%hh3=yask_2_W;
%hh4=yask_2_W;
%hh5=yfsk_2_W;
%hh6=yfsk_4_W;
%%二阶距M20=E[X(k)X(k)]M21=E[X(k)X’(k)]
%m20=[mean(hh1.*hh1)mean(hh2.*hh2)mean(hh3.*hh3)mean(hh4.*hh4)mean(hh5.*hh5)mean(hh6.*hh6)];
%m21=[mean(hh1.*conj(hh1))mean(hh2.*conj(hh2))mean(hh3.*conj(hh3))mean(hh4.*conj(hh4))mean(hh5.*conj(hh5))mean(hh6.*conj(hh6))];
%xCum4=cum4est();
%yAM=ThreeWavelet(yAM);
%%figure(2);
%%X=fft(yask_2);
%%plot(X);
%%title(‘amplitudespectrum’),xlabel(‘frequency’),ylabel(‘amplitude’)
%%yQAM16=QAM16(1,10000,20);
%yQAM16=QAM16(20);
%%
%%figure(2);
%%
%yQAM16=yQAM16(1:L);
%plot(yQAM16)
⛄三、运行结果
⛄四、matlab版本及参考文献
1matlab版本
2014a
2参考文献
[1]孙野.无线网通号的调制辨识研究[J].无线互联科技.2020,17(20)
3备注
