论文摘要
无线通信正面临着频谱资源日益短缺、频谱利用率低下等问题,其根源在于频谱的固定分配。解决这一问题的有效方法之一是认知无线电技术(CR:Cognitive Radio),认知无线电是一种新的智能无线通信技术,认知用户可以感知周围频谱环境的变化,从而改变自身传输参数使其可以利用频谱空洞(主用户空闲时的频段),提高了频谱利用率。信号识别是认知无线电中的关键技术之一,准确的信号识别不但能够避免对主用户产生干扰,还能使认知用户从频率、调制方式等多维度共享无线频谱,为泛在网络的接入提供支撑,此外识别出的主用户信号的制式信息也可以反馈给认知用户,为频谱感知提供更多的信息,从而进一步提高了频谱感知的性能。在认知网络中主用户与认知用户无法通信的,因而我们的研究是基于非合作通信的信号制式识别。本文主要研究认知无线电中基于盲源分离和支持向量机SVM的非合作的单信号以及混合信号的制式识别问题,鉴于目前信号制式识别的研究较少,尤其是混合信号制式识别的研究尚未看见,而实际通信中存在同一接收机同时收到多个信号的情况,因此我们针对单信号和混合信号的制式识别分别提出了解决方案。具体的研究内容以及贡献主要包括:1.研究了认知无线电的相关背景,了解了认知无线电的概念以及关键技术,并对信号制式识别在认知无线电中的重要性做出了分析。2.研究了盲信号的分离算法以及SVM分类器,为所提算法提供了技术支撑。3.研究了单信号的制式识别问题,提出了基于SVM的单信号制式识别算法,提取信号的时频特征并加以分析,选取最易区分信号类型的几个特征作为SVM分类器的输入特征向量,在构造分类器时优化SVM的参数,提高信号的识别率。4.重点研究了非合作混合信号的制式识别问题,提出了基于盲源分离和SVM的混合信号制式识别算法。采用盲源分离算法分离出所有信号,再提取各个分离信号的特征,采用SVM对分离信号进行识别,即得出混合信号中的各个信号的制式类型,章节最后给出了算法的MATLAB仿真结果,验证了其可行性。