[发明专利]一种基于USRP和神经网络的无线信号调制方式识别系统

说明书

本发明涉及一种基于USRP和神经网络的无线信号调制方式识别系统，包括分别用于发射和接收无线信号的第一USRP和第二USRP，所述第一USRP与发送端上位机连接，所述第二USRP与接收端上位机连接，所述接收端上位机中设有基于神经网络的软件平台，所述软件平台用于识别无线信号的调制方式。与现有技术相比，本发明将自组织映射神经网络、支持向量机和软件无线电技术结合应用于信号调制格式自动识别中，具有识别种类多、识别准确度高、贴近实际通信环境、升级部署方便等优势。

技术领域

本发明涉及无线信号调制技术领域，尤其是涉及一种基于USRP和神经网络的无线信号调制方式识别系统。

背景技术

5G移动通信网络的快速部署，带来了移动通信的大发展，与此同时，以往的2-4G网络依然共存。在测试中，要兼容各个通信标准存在很大困难，采用软件无线电的方法能够很好地解决这个问题。软件无线电利用硬件平台和软件编程相结合的方式实现各种无线通信系统，很好地解决兼容性的问题：不同的通信标准只需采用不同的软件配置。当前常用的软件无线电平台有：NI公司开发的USRP(Universal Software Defined Radio Peripheral，通用软件无线电外设)和USRP-RIO系列，Michael Ossmann开发的Hackrf等。其中以USRP带宽最大，采样率最高，功能最强。

在一个复杂通信网络中，调制格式的识别具有重要的意义。不同的调制格式需要采用不同的接收机进行解调，其解决方法自然成为研究热点之一。由于人工格式判决费时且难以实时操作，自动调制格式识别(AMC,Automatic modulation classification)是信号探测和信号解调之间的重要步骤。AMC的设计主要分为两步：信号预处理和识别算法的选择。信号预处理又包括但不限于降低噪声、载波频率估计、均衡等。根据第二步识别算法的选择，AMC可以被分为两类：基于似然估计(LB,likelihood-based)的方法和基于特征(FB,feature-based)的方法。不同的识别算法对第一步信号参数估计准确度的要求不同。

例如文献“Survey of automatic modulation classification techniques:classical approaches and new trends”(O.A.Dobre,A.Abdi,Y.Bar-Ness and W.Su,IETCommunications,vol.1,no.2,pp.137-156,April 2007.)中对已有调制格式自动识别方法进行了详细介绍，并对技术发展进行了展望。

文章介绍了基于似然估计的AMC中的三种方法：

ALRT(average likelihood ratio test)将未知量当作具有一定概率密度函数的随机过程处理；

GLRT(generalized likelihood ratio test)将未知量当作未知常量处理；

HLRT(hybrid likelihood ratio test)是ALRT和GLRT两种方法的结合。

由于ALRT需要提前知道未知量的概率分布函数且需要计算大量未知量的多维融合，ALRT在实际应用中一般难以实现。而GLRT在面对相互包含的星座图(如BPSK,QPSK,16-QAM,64-QAM)时，其似然函数值可能相同，导致无法正确识别。综上，基于似然估计的AMC尽管在未知量较少的情况下可以得到比较好的结果，但随着调制格式未知量的增加，其实现将会变得非常困难。

文章也介绍了基于特征的AMC。常用的特征有归一化信号幅值、相位、频率等的方差。常用的决策方法有基于概率分布函数的方法，基于海灵格距离的方法，基于欧式距离的方法，基于无监督聚类的方法等。基于特征的AMC虽然实现较为简单，但它的效果往往不能做到最好。