一种基于位同步的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite -Second Generation,DVB-S2）中的多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于位同步的识别方法。首先利用信号星座图特征对信号包络进行位同步,然后统计信号码元的幅度值个数及其幅度值分布提取统计特征参数,最后利用特征参数完成识别。仿真结果表明,所提算法在载波频率等参数未知的条件下,能够有效对信号进行调制识别。     

基于高阶统计量的OFDM子载波调制识别算法北大核心

针对OFDM(正交频分复用)信号子载波调制方式识别的问题,提出了一种将高阶矩和高阶累积量相结合的联合识别算法。该算法首先运用基于高阶矩的特征量把MPSK(多进制相移键控)调制(M=2、4)、64QAM(六阶正交幅度调制)和16QAM(四阶正交幅度调制)区分开,然后再利用基于高阶累积量的特征量区分BPSK(二进制相移键控)调制和QPSK(四相相移键控)调制。从理论上进行了推导与分析,该算法对多径衰落与噪声干扰不敏感。计算机仿真结果表明,所提算法在多径信道条件下具有良好的识别性能。     

卫星通信中数字调相信号调制方式识别方法研究

通信信号的调制样式识别在非协作通信中具有重要的研究意义。针对卫星通信中调制方式不断向高阶发展的情况,提出了一种针对常用数字调相信号调制方式自动识别的算法。本文首先给出了卫星通信中数字调相信号的函数模型,介绍了不同调制样式的特点,给出了不同调相信号的星座图。在调制样式识别的研究中,六阶及更高阶的累积量很少用到,本文利用调制信号的八阶累积量和四阶累积量特征的关系,提取出信号的特征呢高参数,对QPSK、8PSK和{16APSK、32APSK}信号进行了区分,证明四阶以上累积量也可以为信号特征提供有用信息。然后通过对高阶APSK信号进行统计分析,采用一种快速收敛且有效的遗传算法,进行实数编码、交叉等操作,计算出采样信号信号平方幅度比,提取出APSK信号的统计特征参数,从而对{16APSK、32APSK}信号进行区分。这种算法对信号的相位偏差具有不变性,同时可抑制加性高斯噪声,特征参数具有很强的鲁棒性;与其它识别算法比较,它具有稳健、应用广泛、实时性强的特性。通过计算机仿真表明,在给定的数据长度和中等信噪比条件下,可得到很高的识别率(>96%)。      

突发自适应调制信号的调制识别算法研究

针对突发自适应调制信号中的PSK和QAM调制方式识别问题,本文提出了一种能够识别BPSK、QPSK、8PSK以及16QAM、32QAM、64QAM、128QAM、256QAM八种信号类型的盲识别算法。该算法首先对信号的循环平稳性进行了分析和讨论,给出了利用循环高阶累积量的特征实现信号识别分类的理论依据。然后,提出了三种基于循环累积量的特征分别实现了QAM和PSK类间识别、MPSK类内识别以及方形QAM与十字形QAM的识别。最后通过对MQAM信号的瞬时幅度分布特性的深入研究和分析,提出了一种基于瞬时包络平方的方差的特征实现了QAM的类内识别。该算法选择了二叉树支持向量机作为识别分类器,并设计了一种新的识别流程完成了对上述信号调制方式的识别。该算法无需精确同步,对载波相位具有较好的鲁棒性,并能够对中频信号进行识别。仿真实验表明,该算法能够实现在较低信噪比条件下突发信号的识别。      

运用高阶累积量和SVM的调制自动识别

针对数字信号调制模式识别问题,提出了运用高阶累积量和二叉树支持向量机（SVM）进行 自动识别的算法。该算法首先使用信号的四阶、六阶、八阶累积量构造了5个新的分类特征 ,然后利用二叉树支持向量机分类器实现了8种信号的有效分类。仿真结果表明,该算法优 于直接多类分类支持向量机算法,在信噪比大于5 dB时,识别率达到90%以上。     

基于高阶累积量和循环谱的信号调制方式混合识别算法

为了识别当前通信系统所采用的主要调制方式,该文结合高阶累积量和循环谱的特点,采用混合识别算法,同时应用智能决策算法(神经网络)对信号进行识别。该算法基于四阶和六阶高阶累积量构造出一个新的特征参数,将数字调制信号分为{BPSK, 2ASK}, {QPSK}, {2FSK, 4FSK}, {MSK}和{16QAM, 64QAM}5类。然后利用高阶累积量的其它特征参数以及循环谱特征对{OFDM}, {16QAM, 64QAM}, {2ASK, BPSK}及{2FSK, 4FSK}进行识别。为便于工程实现,该文采用半实物仿真以及LabVIEW和MATLAB混合编程来验证算法。仿真结果证明,该算法能够在较低信噪比下实现对{OFDM, BPSK, QPSK, 2ASK, 2FSK, 4FSK, MSK, 16QAM, 64QAM}等多种信号的分类,在信噪比高于 5 dB时,调制方式识别率可达94%以上,由此证明了该方法的有效性。     

卫星常用调相信号自动调制识别算法

针对高阶幅度相移键控（APSK）信号在卫星通信中的应用,提出了一种识别数字调相信号的新方法。在信噪比估计的基础上,利用信号包络的统计特征对MPSK,MQAM,16APSK和32APSK信号进行区分。理论推导和实验仿真验证了该统计特征具有对加性高斯白噪声和滚降系数不敏感的特性。根据鲁棒性较好的四阶循环累积量提出一种新的特征参数Q以实现MPSK和MQAM信号的类内识别。仿真表明,当信噪比达到5dB时,该方法拥有较好的识别率（〉95％）。     

利用指数范数的QAM信号调制识别方法

针对高阶正交幅度调制(QAM)类信号的调制识别问题,提出了一种利用指数范数的调制识别分类方法,实现了由5种QAM类信号所组成信号集的调制识别.首先,对信号集内待识别信号提取指数范数特征,依次将16 QAM和32 QAM信号从信号集内识别出来;然后,对信号集内剩余信号提取高斯指数范数特征,依次识别64 QAM、128 QAM和256 QAM信号;最后,根据决策树原理设计分类器,实现信号集内5种QAM类信号的识别.仿真结果表明,在信噪比大于6 dB时,该方法对信号集内的信号的识别正确率超过96%.     

一种欠完备自编码器调制识别技术

基于信号特征进行模式识别的调制识别方法需要先计算信号的高阶特征、高阶累积量再进行模式识别,整体设计复杂,特征不易计算。机器学习技术由于其强大的特征提取能力和分类能力,被广泛应用到模式识别领域中。针对调制识别问题,提出了一种基于欠完备自编码器的调制识别技术,使用欠完备自编码器进行调制信号的特征自动提取,再使用神经网络分类器进行分类识别。整体模型更为简洁,运算复杂度较低,有利于部署在硬件上进行实时识别。对常见的BPSK、QPSK、2ASK、2FSK、16QAM数字调制方式进行的识别实验表明,算法在信噪比10 dB时平均识别率高于0.97,并且在信噪比为0 dB时仍然有0.92以上的平均识别率。     

利用并联CNN-LSTM的调制样式识别算法

为了提高基于卷积神经网络的调制样式识别算法性能,利用CNN的空间特征提取能力和LSTM时序特征提取能力,设计了CNN-LSTM并联网络,上支路由一层卷积层和一层池化层组成,下支路使用单层LSTM网络。直接将同向分量和正交分量作为输入数据,上下支路提取信号的空间和时间特征,提高特征表达能力。对BPSK、QPSK、8PSK、16QAM、32QAM、16APSK、32APSK 等7种信号的调制样式识别仿真实验结果表明:算法无需人为设计特征参数,减少人为因素影响,同时该算法在低信噪比下具有较好的识别性能。      

Automatic modulation recognition algorithm for MQAM signal

An automatic modulation recognition algorithm for MQAM signal was proposed.Firstly,the feature parameter F based on the fourth order cumulants was constructed to classify the square QAM and the cross QAM.Secondly,the compactness of zero center normalized instantaneous amplitude was calculated to identify the 16QAM from the square QAM.Thirdly,the baud rate was estimated by frequency spectrum of amplitude square,and timing was synchronized to delete the ISI and resume the relatively ideal constellations.And aiming at the 32QAM and the 128QAM,two different clustering radii were set,and clustering point density was got respectively by the subtractive clustering algorithm,and then the 32QAM and the 128QAM was classified depending on the difference of density value.In the same way,the 64QAM and the 256QAM were classified.The proposed algorithm can recognize five kinds of QAM signals,including 16QAM signals,32QAM signals,64QAM signals,128QAM signal and 256QAM signal without prior knowledge of frequency and baud rate.Furthermore,the proposed algorithm does not need complex iterative process,which can be applied in practical signal recognition.     

基于局部保持投影的M-QAM调制信号识别

针对基于统计的QAM信号识别算法,忽略了信号的局部特性,导致算法性能不好等问题,提出了一种基于流形学习的16QAM、32QAM、64QAM信号识别算法。该算法利用高阶累计量特征描述信号,在此基础上利用邻接图描述特征的内在几何属性,较好地刻画了数据的相似性几何属性,最后利用最近邻分类器算法进行分类。实验结果表明,该算法具有好的识别率,尤其在低信噪比下,算法性能比较突出。     

衰落信道下基于支持向量机的调制识别方法

本文以四阶累积量为特征参数,采用支持向量机(SVM)将分类特征值映射到高维空间中,并构建最优分类超平面,实现对QPSK、16QAM、64QAM和OFDM四种信号的自动调制识别。分析了AWGN信道、Rayleigh衰落信道和Nakagami衰落信道对四阶累积量的影响,推导并给出了经过衰落信道后四阶累积量的表达式。基于支持向量机的调制识别方法解决了特征样本在低维空间的不可分问题,仿真结果表明,在SNR低于10dB时,该方法的性能明显优于决策树方法,信噪比大于等于0dB时,各种信号的调制识别率在90%以上。      

一种抗频偏的卫星幅相调制信号识别算法

该文针对卫星中的常用调制QPSK, 16QAM和新型调制16APSK, 32APSK,提出一种自适应构造幅度分布模板,并通过计算实际信号幅度分布向量与幅度分布模板间的匹配误差来进行调制识别的算法。该方法不需要知晓载噪比,不需要人为确定阈值,且对频偏误差的容忍能力强,适合实际工程应用。仿真表明,在载噪比为9 dB,符号个数为4000时,该算法对4种调制信号的识别率能达到98%以上,证明了其有效性。