NO.1 论文简介
自动调制识别技术能够准确识别信号的调制类型，是信号处理领域中的一项关键技术。传统的识别方法在低信噪比下存在着识别准确率低的问题，并且当信号频率不稳定，或存在异步采样时，常规的识别方法性能将会出现恶化甚至失效。基于此，在信噪比和延迟变化的信道条件下，针对低速异步采样信号，研究基于深度学习的调制方式识别技术。首先对低速异步采样信号进行建模，利用其同相正交分量生成二维异步同相正交直方图，然后通过径向基函数神经网络提取该二维图像的特征参数，完成对输入信号的调制方式识别，最后经过大量的计算机仿真验证了该方法对七种调制方式的准确率。实验结果表明，在受到加性高斯白噪声的信道模型下，在低速异步采样的输入信号信噪比为6dB时，可达到95%以上的平均识别准确率，并通过对比实验验证了所提方案的有效性和鲁棒性。
NO.2 主要贡献
（1）在实际应用中，需要根据特定条件调整采样频率，传统的同步采样在处理不同比特率或者其他信息时缺乏适应性，可能导致无法正确获取数据。而且，在高速数据传输时，时钟不能完全同步，或者信号频率不稳定或者信号非连续时，同步采样难以准确还原信息，面临着成本和复杂度高的问题。因此提出了一种根据低速异步采样信号的幅度和相位信息生成2D-IQH，每种调制信号都可生成独一无二的二维图像，利用这一特性进行调制方式识别，图1给出了基于二维异步同相正交直方图的调制方式识别系统模型图。
NO.3 研究结论
笔者提出了一种新型的基于二维异步同相正交直方图的调制分类识别算法。通过低速异步采样技术将信号转换为二维异步同相正交直方图，降低了硬件要求和实现复杂度。同时根据其中的特征结合径向基函数神经网络进行分类识别，提升了该模型在调制方式分类识别任务的性能，并且在高斯白噪声环境下有较好的鲁棒性。文中所提方法和传统其他方法不同的是，采用异步采样技术解决了在信号频率不稳定等情况下，同步采样难以准确还原信息的问题，并且2D-IQH图像携带幅度和相位多种信息，使得模型的分类特征更丰富，实验证明了所提方法在调制分类识别任务中的有效性和可靠性。因此笔者提出的方法，将为无线通信系统中信号调制方式的识别问题提供一种更有效的选择。在下一步工作中，考虑多径衰落的信道模型，提高模型对复杂信道条件的适应性和调制方式识别性能；并将进一步完善信号的特征，考虑将2D-IQH图像和常见特征作特征融合，并结合卷积神经网络以提升调制方式识别准确率。
NO.4 论文资助
国家自然科学基金（62101441）
2022-JCJQ-LB-006重点实验室基金项目（6142411222203）
NO.5 作者介绍
万鹏武（1986—），男，副教授，
E-mail：wpw_lz@126.com。
E-mail：961665196@qq.com 。
E-mail：1756141811@qq.com。
E-mail：252469670@qq.com。
·引用格式·
万鹏武, 惠茜, 陈东瑞, 吴波. 基于二维异步同相正交直方图的调制方式识别(2024) [J/OL]. 西安电子科技大学学报, [2024-04-03]. https://doi.org/10.19665/j.issn1001-2400.20240312
“扫描二维码查看原文”
https://link.cnki.net/doi/10.19665/j.issn1001-2400.20240312
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
