电子学报 ›› 2019, Vol. 47 ›› Issue (11): 2443-2448.DOI: 10.3969/j.issn.0372-2112.2019.11.029

• 科研通信 • 上一篇    下一篇

基于循环神经网络的卫星幅相信号调制识别与解调算法

查雄, 彭华, 秦鑫, 李天昀, 李广   

  1. 中国人民解放军战略支援部队信息工程大学, 河南郑州 450001
  • 收稿日期:2019-01-02 修回日期:2019-03-18 出版日期:2019-11-25 发布日期:2019-11-25
  • 作者简介:查雄 男,1995年出生,江西九江人.现为现为战略支援部队信息工程大学研究生,主要研究方向为智能信号处理.E-mail:mici0928@163.com;彭华 男,1973年出生,江西萍乡人.现为战略支援部队信息工程大学教授、博士生导师,主要研究方向为软件无线电、通信信号处理;秦鑫 女,1994年出生,重庆人.现为战略支援部队信息工程大学研究生,主要研究方向为雷达信号处理;李天昀 男,1979年出生,江西萍乡人.现为战略支援部队信息工程大学副教授,主要研究方向为通信信号处理,软件无线电;李广 男,1996年出生,湖南永州人.现为现为战略支援部队信息工程大学研究生,主要研究方向为通信信号处理.

Satellite Amplitude-Phase Signals Modulation Identification and Demodulation Algorithm Based on the Cyclic Neural Network

ZHA Xiong, PENG Hua, QIN Xin, LI Tian-yun, LI Guang   

  1. PLA Strategic Support Force Information Engineering University, Zhengzhou, Henan 450001, China
  • Received:2019-01-02 Revised:2019-03-18 Online:2019-11-25 Published:2019-11-25

摘要: 针对卫星通信中常用的幅相调制信号,提出了一种基于循环神经网络的信号识别与解调模型.通过循环神经单元直接对信号时序进行深层特征提取,结合全连接神经网络对特征进行维度映射,最终完成目标信号的调制识别与解调.该方法不需要预估目标信号载噪比,克服了人为确定阈值的缺陷,对信号频偏误差、定时误差容忍能力强;且在开发维护和更新拓展方面,克服了传统算法需重新部署判决规则的缺点,符合实际工程需求.仿真实验表明,当网络训练达到稳态时,在信噪比为6dB的条件下,目标信号识别率接近98%,解调误码率接近理论门限.本文所建立的理论形式为当今智能化信号处理提供了新思路,其思想同样可应用于其他通信信号处理领域.

关键词: 调制识别, 信号解调, 特征提取, 循环神经网络, 智能化处理

Abstract: A cognitive signal recognition and demodulation model is designed based on the cyclic neural network for conventional amplitude-phase satellite modulations.Through the cyclic neural unit,the features of the target signal are extracted.And the features are dimension-mapped by the fully connected neural network.The model finally completes the modulation recognition and demodulation of the target signal with these mapped features.This method does not need much prior knowledge about signal-to-noise ratio (S/N),and it is not sensitive to frequency offset.The method also has good adaptability in the maintenance and extension,which conforms to the demands of the engineering,while the traditional algorithms need to redeploy the decision rule.Computer simulations show that the correct recognition probability is close to 98% when S/N is greater than 6 dB and demodulation error rate is close to the theoretical gate.The presented theoretical form provides a new idea for intelligent signal processing,and it can also be used in other communication signal processing fields.

Key words: modulation recognition, signal demodulation, cyclic neural network, intelligent processing

中图分类号: