利用稀疏堆栈自编码器实现调制样式识别算法

针对传统调制样式识别方法性能受预先依靠经验设计的特征参数影响大问题,提出一种基于稀疏堆栈自编码器的数字调制样式识别算法。首先根据网络输入数据形式要求,为了利用信号幅度和相位所包含的调制样式信息,提出一种将复数信号预处理为网络可接受的实数形式的信号预处理方法。在网络训练阶段,先通过逐层训练得到每层稀疏自编码网络的初始化参数,再通过有监督算法对分类层训练,最后利用有监督算法进行整体优化。采用 作为分类层完成数字调制样式识别。7种数字调制样式识别的仿真实验表明了本文算法的有效性,相比于其他算法,本文算法在低信噪比时正确识别率较高,识别性能不受人为因素的影响。      

基于瞬时相位差分的MPSK信号识别与参数估计

在现有MPSK信号调制样式识别方法基础上,提出对QPSK、OQPSK、π／4QPSK和8PSK这四种星座图及频谱特征具有一定相似性的MPSK信号进行分类识别及参数估计的方法。识别和参数估计方法建立在瞬时相位差分统计特性和频谱分析基础上。对实际采集的信号进行实验的结果表明,该方法在信噪大于5dB时具有较高的调制样式识别和码速率估计精度。     

一种常用通信信号的自动调制识别方法

提出了一种常用通信信号的调制方式自动识别的算法,从信号的功率谱、二次功率谱和四次功率谱中提取一组特征参数,采用判决树方法,在不需要先验知识的情况下对常用通信信号调制样式进行自动识别。通过计算机仿真和实际采集数据验证,表明该算法识别准确率高,实现简单,具有较强的可行性和实用性。     

一种常用通信信号的自动调制识别方法

提出了一种常用通信信号的调制方式自动识别的算法,从信号的功率谱、二次功率谱和四次功率谱中提取一组特征参数,采用判决树方法,在不需要先验知识的情况下对常用通信信号调制样式进行自动识别.通过计算机仿真和实际采集数据验证,表明该算法识别准确率高,实现简单,具有较强的可行性和实用性.     

低信噪比条件下提高认知无线电的频谱感知能力的方法

为了提高认知无线电在强噪声环境下的频谱感知能力,该文提出了一种频谱感知方法。该方法利用循环谱相关函数,采用二次模式识别,可以显著提高在低信噪比条件下的信号调制方式识别准确率。试验结果表明,在AWGN 信道,信噪比不低于-10dB条件下,对常用5种数字调制信号的识别准确率高于99.9%,能够满足认知无线电中对频谱感知的性能要求。     

基于小波变换的数字信号调制样式自动识别

讨论基于软件无线电技术的一种数字信号调制样式的自动识别的算法。使用小波分析提取数字调制信号的调制特征参数,研究了利用小波分析在软件无线电中常用的调制样式（BPSK／QPSK）的识别问题,对高斯白噪声中的通信信号在不同信噪比情况下进行了识别计算机仿真。仿真及实验验证了用小波分析方法针对信噪比较低、对功耗限制严格的通信系统,具有较为理想的识别能力。     

数字调制信号的自动识别

由于多调制的存在,对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式,因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一.文中研究了8种常用数字调制信号识别的特征参数集,并采用决策树判别方法进行分类识别.仿真结果表明,在SNR≥10dB时,识别正确率在99%以上.其特点是,算法简单,识别正确率高,达到了自动分类识别的目的,并有利于实现识别的实时化.     

基于压缩采样的PSK信号自动调制识别方法

N次方非线性变换方法是通信信号自动调制识别的常用方法,该方法对于相位键控(PSK)信号较为有效。但是,该方法要求的采样率通常要远高于Nyquist速率,这无疑给模拟数字转换器(ADC)带来了巨大的压力。本文利用相位键控(PSK)信号经过非线性变换后频谱的稀疏特性,提出了一种利用压缩采样数据实现PSK信号自动调制识别的方法。文中引入了压缩感知理论,并给出了利用压缩采样数据重构PSK信号非线性变换后频谱的方法,该重构频谱可用于自动调制识别及载频和符号率估计。     

基于HHT和支持向量机的数字调制信号识别

提出了一种基于HHT和支持向量机的实际数字调制信号识别算法。首先介绍了HHT方法的基本原理，对三种数字调制信号进行分析，提出用于识别实际FSK，PSK和QAM信号的特征参数，然后运用支持向量机算法分类三种数字调制信号，仿真结果表明，在信噪比10dB时，识别率达95％以上。     

基于中频信号特征参数的卫星通信调制样式识别

卫星通信调制样式识别与参数估计是空间信息对抗的重要内容之一,在获取制太空权、制信息权方面发挥着至关重要的作用。针对卫星通信中常用通信信号的调制识别,在现有谱分析方法的基础上,提出3种特征参量,丰富识别的信号样式,完善了自动识别流程。该方法不需要精确的载频和码速率等先验信息,同时能够利用信号特征参数自动完成识别。仿真实验验证了所提算法的有效性,并对算法性能进行了分析。仿真结果表明,在SNR为5 dB时所有信号的正确识别率均达到96%以上。     

基于卷积神经网络的数字调制分类识别

基于特征提取和模式识别的信号调制方式分类识别技术是非协作通信领域内应用广泛的重点研究对象。提出一种基于深度学习的通信信号数字调制识别算法，采用卷积神经网络找到数据的内在表达，实现逐层化地识别和分类MPSK、MFSK和MQAM中的六种调制信号。仿真实验结果表明，所提出的方法分类识别效果良好，基本达成了数字调制信号自动识别的目的。     

现代移动通信中的调制技术研究

当今移动通信系统基本采用数字调制技术进行信息传递,相比于传统的模拟调制方式,数字调制具有极大优势。文章对常用调制技术进行深入探讨,并对技术特点、功率频谱及误码率进行详细分析,最后对调制技术在现代移动通信中的发展趋势进行分析预测。     

基于卷积神经网络的调制样式识别研究

自动调制样式识别分类是解调前的重要步骤,在频谱管理、认知无线电、智能调制解调器、监视和干扰识别等许多应用中发挥着重要作用。深度学习具有强大的分类能力,基于深度学习中的卷积神经网络,将映射成星座图的具有不同调制样式的通信信号馈送进神经网络,从而达到通信信号调试样式识别分类的目的。基于实验目的,提出一种改进的卷积神经网络结构可实现对七种不同的调制样式的分类,在信噪比≥5dB时,识别率可达97.99%,信噪比≥9dB时,识别率可达100%。     

新的LabVIEW工具包提供多种LabVIEW函数

新的调制工具包2.0版和频谱测量工具包2.0版可以生成、处理并分析FSK、PSK、QAM和MSK等普通的模拟和数字调制格式,为工程师们提供了全新的频谱分析、模拟调制和数字调制的工具。 调制工具包可应用于实际数据或模拟数据,这种功能帮助工程师们先在测试中模拟设备的状态,然后使用NI的硬件或传     

利用高阶累积量实现数字调制信号的自动识别

通信信号的自动调制识别在截获信号处理方面是一个十分重要的课题。本文针对数字调制信号的识别问题，提出了一种基于高阶累积量的分类特征，该特征有效地抑制高斯白噪声的影响，能实现对2ASK、4ASK、4PSK、2FSK、4FSK等五种数字调制信号的识别。论文进行了理论推导，并用仿真实验和实际采集数据进行了验证。     

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%)。      

DRFM数字相位调制及频谱分析

介绍相位量化数字射频存储器中的数字相位调制方法。推导数字相位调制后信号频谱的表达式。通过仿真验证不同量化位数和调制频率下的信号频谱，得出频谱特性。     

神经网络在调制识别的应用

通信信号的识别在军事对抗和频谱监控中有着十分重要的意义。目前已有的调制识别方法大体可以分为两类:基于特征提取的模式识别方法和最大似然判决方法。小波分析具有良好的局部显微特性、分形能够很好地刻画自相似性,将它们用于通信信号的特征提取有独特的优势。神经网络有着良好自学习、容错性和推广能力,适合用于调制样式识别的分类器。将小波分析、分形等特征提取算法与神经网络分类器进行结合,进行调制样式识别已经受到广泛关注。对这些方法进行了较为全面的阐述并分析了其性能。     

对短波信号调制方式识别方法的研究

1概述无线电监测技术日新月异．无线电信号不仅更加趋于数字化．而且传统信号的“剩余容量”也被用来传送附加信息。因此．信号分析作为一种监测手段．显得越来越重要。信号分析可以在不同层上进行．如检测、频谱分析、调制识别、模拟和数字解调、编码识别和信道译码等等。     

数据融合应用于通信信号调制样式识别

对通信信号的频域、时域特征进行了提取,介绍了利用决策树识别其调制样式的方法。针对决策树缺点,提出了基于模糊理论和D-S证据理论对不同参数的可信度进行融合的方法,并给出了利用数据融合算法进行调制样式识别的仿真结果。