摘 要： 提出了一種基于星座聚類" title="聚類">聚類的通信信號調(diào)制識別" title="調(diào)制識別">調(diào)制識別新方法。將基于密度思想的M-DBSCAN聚類算法運用于信號星座聚類，通過自適應(yīng)更新聚類參數(shù)，利用其良好的抗噪聲性能實現(xiàn)了較低信噪比" title="低信噪比">低信噪比高斯白噪環(huán)境下信號星座圖的重構(gòu)" title="重構(gòu)">重構(gòu)。將該方法應(yīng)用到對PSK/QAM信號的調(diào)制識別，實驗結(jié)果表明該方法是實際有效的。
關(guān)鍵詞： 調(diào)制識別 M-ADBSCAN算法? 聚類? 星座圖
?
通信信號調(diào)制方式識別是軟件無線電關(guān)鍵技術(shù)之一。在數(shù)字幅相調(diào)制信號的識別中，可以對信號星座圖進行處理，將形狀識別與調(diào)制識別相結(jié)合，獲取關(guān)鍵調(diào)制特征。在現(xiàn)有文獻中，對星座圖的重構(gòu)基本采用模糊C均值的聚類算法[1][2]。該方法的不足在于所有噪聲參與到重構(gòu)過程中，使得聚類中心受噪聲影響較大而產(chǎn)生較大誤差。另外，模糊C均值在聚類初始值選定上存在著主觀性以及對信號先驗知識的缺乏，使最終的聚類結(jié)果具有很強的隨機性。此外，星座圖重構(gòu)的準確性還與載波恢復(fù)密切相關(guān)。
本文將改進的DBSCAN算法(Density Based Spatial Clustering of Applications with Noise)用于被加性高斯白噪聲干擾后信號的星座圖重構(gòu)，即運用減法聚類算法[3]確定聚類初始中心，并通過對聚類結(jié)果的有效性分析，自適應(yīng)地調(diào)整輸入?yún)?shù)，提高了識別性能。該算法可以有效剔除部分噪聲，且對星座旋轉(zhuǎn)不敏感，減法聚類則有效降低了聚類時間開銷。為進一步提高星座圖重構(gòu)的準確性，將該識別模塊嵌入一多模" title="多模">多模式數(shù)字鎖相環(huán)中，實現(xiàn)非數(shù)據(jù)輔助的載波恢復(fù)，解決了載波頻率偏移及相位抖動的問題。對PSK/QAM信號識別的仿真結(jié)果表明，此算法具有較好的抗噪性，在低信噪比下仍有較高的識別率。
?
