数字通信中基于Adaboost-SVM分类器的信号调制算法研究

邹凤娇

(湖南邮电职业技术学院通信工程系，湖南 长沙 410015)

基金项目：2019年湖南省“十三五”规划课题(XJK19CZY048)

作者简介：邹凤娇（1983—），女，讲师，硕士，主要研究方向为通信技术、职业教育，zoufengjiao23@163.com.

摘要：针对现有数字通信过程中信号调制处理的缺陷和不足，提出基于改进Adaboost-SVM分类器的信号调制算法。首先预处理原始信号并提取信号的基本特征，利用小波算法捕捉完整的信号细节特征。其次改进Adaboost算法和SVM分类器的基础性能，汇总弱分类器并生成强分类器，准确确定原始数据集的权重比例关系，剔除负样本集合的干扰，并降低算法的复杂度。最后用测试结果证明，所提信号调制分类算法的收敛性能和消噪效果更好，在相同的信噪比区间内拥有更高的分类识别准确率。

关键词：数字通信；Adaboost-SVM；小波算法；收敛性能；高斯白噪声

中图分类号：TN802       文献标识码：A       文章编号：2095-509X(2021)06-0111-06

现代通信中高频载波的应用是实现远距离高清通信的基础^［1-2］，将基带信号加载到高频载波上首先需要对基带信号进行调制处理^［3］，高频信号到达接收端后再经过解调处理完成信号的传输^［4］。信号调制识别算法最早应用于军事领域，截获敌方的情报和密码主要依靠信号调制和解调技术^［5-6］。随着通信技术的发展和用户远距离通信需求的增加，信号调制算法又逐渐被应用到了民用领域，具体包括移动通信^［7］和频谱监测等^［8］。由于通信网络密度的增加、大气环境污染等干扰源因素的影响，当前通信信道的数据传输环境日趋复杂，这对通信信号传输模式和信号调制方式的选择提出了更高的要求^［9-10］。传统的模拟信号被多次复制和调制后，长距离传输更易受到信道随机噪声的干扰^［11］，为了获得更稳定的通信效果,基于数字信号的数字通信应用场景逐渐增多^［12］。但在数字通信过程中，调制算法的选择会影响信息传输效果及通信安全性，因此选用更为科学、安全的信号调制算法至关重要。现有的信号调制算法存在一定问题，如文献^［13］提出一种基于高阶循环累计量特征识别的信号调制算法，能够实现多信道的信号调制分类，但该算法的缺点是只能够针对静态信道环境进行信号调制，适应的场景较少，误码率较高；文献^［14］提出基于信号循环平稳机制的调制分类算法，针对信道中的加性白噪声模拟信号的调制类型，但该算法在实际应用中要基于严格的载波估计，导致算法的实时性和实用性不高，对于高斯白噪声的抑制效果较差，分类性能衰减过快，导致信号的调制识别率过低。本文针对现有数字通信中信号调制分类算法的各种缺点和不足，提出基于Adaboost-SVM分类器的信号调制算法，改善动态信道环境下分类算法的调制性能。

1 数字通信信号的预处理与特征提取

数字信号调制识别要经过对原始信号的预处理、关键特征参数提取、基于特定的调制算法识别出特征参数等环节输出最终的调制结果。特征识别是通信信号调制的核心步骤，在信号的调制识别处理方面,本文应用Adaboost-SVM分类器调制信号改善信号处理的基础性能。但未经过预处理的原始信号无法被直接使用和分类，需要对原始信号进行预处理并提取其特征参数，调制识别的基本流程如图1所示。