基于高阶循环累积量的OFDM-弹性光网络信号调制格式识别

将高阶循环累积量引入基于正交频分复用(OFDM)的弹性光网络(EON)的调制格式识别中。通 过计算OFDM信号不同调制格式(BPSK、QPSK、16QAM和64QAM)的高阶循环累积量,给 出了OFDM-EON信号不同调制格式的识别阈值区间,并采用仿真方法验证了该区间的 识别准确率。结果表明,利用所提出的识别阈值区间,对波特率为28G的OFDM-EON信号(各 子载波随机设置调制格式)进行调制格式识别,在光信噪比(OSNR)为34dB时,子载波调制格式的识别准确率可达到100%。     

V-BLAST OFDM信号调制识别算法

提出了基于高阶累积量的V-BLAST OFDM信号识别算法,用以区分频率选择性衰落信道条件下V-BLAST结构的多载波信号(0FDM)和单载波信号(MFSK、MPSK、MQAM).该算法不需要预先知道信号的载波频率、波特率以及信道的先验信息,直接在中频对信号进行识别处理.仿真结果表明该算法具有良好的识别性能.     

基于高阶循环累积量的OFDM子载波盲估计

该文针对通信对抗和OFDM信号解调的实际应用,提出一种利用高阶循环累积量估计OFDM信号子载波的方法。由于高阶循环累积量能有效抑制平稳噪声和非平稳高斯噪声,通过理论分析可证明在上述噪声背景下,子载波采用2/4PSK调制的OFDM信号的特定四阶循环累积量仅在子载波处存在,因此可以通过检测此循环频率实现子载波的估计。该算法还可推广到采用星形QAM和高阶PSK调制的OFDM信号。仿真实验验证了该算法的有效性。     

一种改进的基于支持向量机的OFDM识别算法

针对OFDM信号与单载波信号调制识别,提出了一种基于高阶累积量特征的改进方法.通过分析复信号幅值的归一化四阶累积量特性,以及信号的瞬时频率和功率谱特征,改进和提出新的特征参数,采用支持向量机分类器,实现了AWGN信道下包括OFDM在内的9种信号的制式自动识别.该方法具有特征参数易于提取、抗噪性好、识别准确率高的优点.利用MATLAB仿真证明在信噪比不小于7dB的情况下,OFDM信号的识别准确率达99%.     

GLSFBC-OFDM信号调制识别算法

提出了频率选择性衰落信道条件下区分GLSFBC结构的多载波信号(OFDM)和单载波信号(MFSK、MPSK、MQAM)的调制识别算法。该算法基于接收信号的高阶累积量,只需直接对接收的中频信号进行识别处理,不需要发射信号和信道的先验知识。仿真结果表明,在SNR高于7 dB时识别率可以达到90%。     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。 由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。 在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。
　　由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。
　　在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

基于谱分析的OFDM调制识别新方法

针对正交频分复用(OFDM)信号与单载波信号调制识别,提出了3个基于功率谱特征的识别参数。根据OFDM信号功率谱边沿陡峭的特性,通过对归一化功率谱进行分析、统计和曲线拟合,提取3个参数,实现加性高斯白噪声信道(AWGN)条件下OFDM信号与9种单载波信号的识别仿真。该文识别参数具有特征参数易于提取、识别准确率高的优点。     

基于Kolmogorov—Simirnov检验统计量的OFDM识别方案

为了对OFDM信号进行识别,针对高阶矩算法的运算量大的不足,提出一种基于经验分布函数统计量法用于识别OFDM信号和单载波信号。提出单载波／OFDM信号识别模型,建立了最优经验分布函数评价准则,推导了最优经验分布函数;详细阐述了基于KS检验法的OFDM信号识别流程;理论分析及仿真结果表明,该统计量提高了对高斯分布的拟合能力,进而提高了对OFDM信号的识别能力,同时相比高阶矩法,运算量少。     

一种多径信道下的OFDM信号盲识别算法

提出了一种新的OFDM信号盲识别算法,由于多载波OFDM信号在时域上具有渐进高斯特性,而单载波信号没有这样的特点。对传统算法进行了改进,提出利用四阶累积量构造识别参数来分类OFDM信号与单载波信号,该参数具有对多径信道不敏感的特点。仿真证明,该算法具有抗多径能力强,识别率高的优点。     

Non-cooperative signal modulation recognition algorithm based on joint feature parameter extraction

Aiming at the problem that in the current electromagnetic environment,the modulation method is complicated,the frequency-consuming equipment increases,the spectrum is congested,and the electromagnetic environment interference increases,the algorithm of OFDM signal detection and subcarrier identification in the background of non-cooperative communication were deeply studied.Using the different distribution states of OFDM signals and single carrier signals in the time domain,a joint characteristic parameter was proposed to solve the existence problem of OFDM in the received signal.For the phase shift and frequency offset problems caused by the channel transmission to the signal,by using the periodic stability the blind parameter estimation was performed to obtain the signal prior information.On the basis of the obtained signal prior information,a multi-level classification and recognition method for non-cooperative OFDM signal sub-carrier signals was proposed.Therefore,a model based on non-cooperative communication system OFDM signal detection and subcarrier modulation identification was designed,and finally modulation identification of unknown signals was completed.Simulation experiments show that in non-cooperative communication systems,OFDM signals and single-carrier signals can be accurately identified,and ideal modulation recognition effects can be achieved on empty subcarriers,QPSK,and 16QAM in the receiver OFDM signal subcarriers,overcoming the channel transmission band The problems of phase shift and frequency offset have improved the accuracy of modulation mode identification.     

一种基于高阶累积量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,提出了基于高阶累积量的识别方法。首先对16QAM、32QAM、16APSK、32APSK信号的高阶累积量及其特征进行分析,进而利用其高阶累积量的不同提取用于信号分类的特征参量进行调制识别。给出了算法的详细流程,并对算法进行了仿真分析,结果表明,当样本数越多时,算法信噪比适应能力越好,而与相位偏差无关;在信号样点数为2 048点且信噪比为10 dB时,算法可实现96%的正确识别率,完全满足实际系统对信号分类的需要。     

基于小波分解的OFDM与单载波信号识别

针对多径信道下OFDM信号的识别问题,提出了一种基于小波分解获得细节特征的信号识别方法.由于不同调制方式信号的细节分量在同一分解水平下存在较大差异,而细节分量几乎包含了信号的全部细节信息,从而直接反应信号的变化情况.通过理论推导和仿真测试证明单载波和OFDM信号在进行多层小波分解后,每层对应细节分量的幅度值具有不同的变化,然后利用其幅度差作为特征参数,并基于最近邻法判决规则实现单载波信号和OFDM信号的有效识别.仿真结果证实了该方法在较低信噪比下识别的正确性和可行性.     

基于累量的OFDM信号调制识别

提出了一种快变瑞利衰落信道下的OFDM信号与单载波信号的类间调制识别新算法。接收到的射频信号经模数变换后,不需要下变频,直接进行处理。利用数字信号的2阶和4阶累量的组合作为分类特征信息,方法简单易行,不需要任何信号和信道噪声的先验知识。仿真结果表明,新算法具有良好的识别性能,在SNR不小于7 dB时能达到90%以上的正确识别率。     

衰落信道盲接收条件下的调制分类

该文针对衰落信道下调制识别算法预处理要求高的问题,提出了一种基于循环平稳性检测的调制分类算法,提升了盲接收环境下的分类效果。算法以信号的循环频率为特征,结合循环平稳性检测,实现了OFDM, PSK, FSK等常见数字调制信号的区分。算法无需各种参数估计以及同步等预处理过程,理论推导及仿真结果证明,能够实现低信噪比衰落信道条件下信号的有效区分。该算法将有助于提升衰落信道中非合作接收条件下的信号分类能力。     

基于循环自相关的OFDM调制识别方法

针对通信信号的调制识别问题,首先根据通信信号的循环平稳性,提出一种基于循环自相关的OFDM信号和单载波信号的调制识别算法,然后将小波多分辨分析理论与调制信号的瞬时特征以及高阶累积量相结合,提出一种基于小波分解的单载波信号识别方法,在此基础上采用分层结构的神经网络分类器对OFDM,2ASK,4ASK,2PSK,4PSK,8PSK,16QAM这7种调制信号进行识别。仿真结果表明该方法具有良好的分类性能,且对噪声不敏感。     

OFDM信号的盲侦察技术分析

正交频分复用传输系统,以其可对抗频率选择性衰落,高频谱利用率等优点,得到了广泛的应用。论述了正交频分复用(OFDM)信号非协作接收中的某些关键算法,研究了基于循环前缀的符号同步算法及最大联合似然估计(ML)算法、基于高阶累量的OFDM信号调制样式识别算法,解决了OFDM信号和常规通信信号之间的类间信号识别问题。仿真结果进一步说明了该方法的有效性。