调制识别算法及性能分析

为了提高信号调制识别的性能,以信号的六阶和四阶累积量作为识别特征,研究了一种基于高阶累积量的调制识别算法.分析了最大似然调制识别算法和高阶累积量调制识别算法的性能.并在高斯信道和平衰落信道下对其性能进行了仿真,仿真表明,在一般通信环境下,基于累积量的调制识别算法具有较强的稳健性和实用性.     

基于高阶累积量的MPSK信号的类内识别

对基于高阶累积量的MPSK调制分类算法进行了研究和分析。在未知载波频率的情况下,通过恒模和延迟复共轭相乘对信号进行预处理,再利用四阶累积量构造了信号的特征识别向量。对预处理使得分类特征对MPSK信号星座图的平移、尺度和相位旋转具有不变性进行了详细的理论证明。重点针对短波信道对该算法中高阶累积量作为分类特征的抗衰落性能进行了讨论分析。通过分析识别短时突发信号的测试数据及短波信道第二径对正确识别率的影响的仿真结果,表明算法具有良好的性能。     

基于循环谱和高阶累积量的联合模式识别方法

为完全识别当前卫星通信采用的主要调制方式,结合循环谱和高阶累积量两种信号调制识别方法的特点,提出了一种联合识别算法。该算法将循环谱特征加入到高阶累积量识别法中,联合多种特征参数判决构建识别器,首先利用循环谱完成ASK、FSK、PSK信号的类间识别以及FSK信号的类内识别,在此基础上利用高阶累积量方法完成FSK、PSK信号的类内识别。仿真结果表明,该算法能够完全区分卫星通信中主要的调制模式{ASK、2ASK、2FSK、4FSK、BPSK、QPSK},在信噪比高于5 d B时识别率达88%以上。     

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。     

基于差分高阶累积量的pi／4-QPSK和8PSK调制样式识别算法

针对卫星通信中常用的数字调相信号pi／4-QpSK、8PSK的调制识别问题，提出了一种基于信号差分高阶累积童的识别算法，该算法利用信号差分的四阶和八阶累积量特征对pi／4-QPSK、8PSK信号进行识别。文章从理论上分析了的该算法的有效性，并通过计算机仿真验证了算法具有良好的性能。     

短波信号调制方式自动识别方法研究

通过对日常监测工作中常见短波信号的类型及特征进行分析,研究了短波信号调制方式的特征提取方法,提取基于高阶累积量及小波变换等方法的特征参数,并建立基于判决理论的短波信号调制识别流程。仿真结果表明,该算法在较低信噪比条件下依然能够取得较高识别率,有一定的实用价值。     

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%.     

基于高阶循环累积量的SQAM信号调制识别算法

该文利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征,提出了一种基于高阶循环累积量的调制识别算法,实现对SQAM信号分类。算法对载波频率偏差、时延和相位旋转具有稳健性,并可在多信号环境且存在载波频偏的情况下实现对感兴趣信号的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

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。     

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。     

Modulation recognition of communication signals based on high order cumulants and support vector machine

Using high order cumulants as signal eigenvalues, signals of different modulation formats can be recognized with support vector machine (SVM). Since high order cumulants of different modulation signals are different from each other, fourth and sixth orders of cumulants were chosen and only four eigenvalues were constructed in the recognition in this paper, thus signals of different modulation format and signals of different modulation order with the same format were recognized in low signal-to-noise ratio (SNR). It was shown that the key of recognition of modulation format is how to choose proper high order cumulants as eigenvalues. So that acceptable accuracy of recognition could be obtained in low SNR. During the recognition process, one-to-one classification of LibSVM was used to simplify the usual binary separation process. An efficiency modulation recognition method was put forward with high recognition rate and less complexity.     

一种新的MPSK信号调制分类算法

针对多进制相移键控(MPSK)信号的调制识别问题,提出了一种新的基于2、4阶循环累积量的调制识别算法。先利用信号的2阶和4阶循环累积量的特征,将MPSK信号分为BPSK和QPSK与8PSK以上两大调制子类,再由信号循环频率等于信号载频处的2阶和4阶循环累积量,构成BPSK和QPSK的分类特征量,实现对BPSK和QPSK信号的调制识别。该算法在MPSK信号码元不等概率出现时依然有效。由于高斯噪声的循环累计量均为0,因此此算法具有一定的抗高斯噪声能力。实验仿真结果验证了该算法的有效性。     

基于高阶累积量和神经网络的数字调制识别

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。分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方面都有很大改进。仿真结果表明,在信噪比大于7 dB时,系统的正确识别率可达95%以上。     

基于改进RBFN的信号调制识别方法

应用高阶统计量和RBF神经网络原理,针对数字调制通信信号提出了一种基于统计模式识别理论的信号调制类型识别新方法。采用信号四阶和六阶统计量提取信号特征,使用新设计的误差函数训练RBF神经网络,使得识别的效率和正确度得到了明显的改善。计算机仿真结果证明了此方法的可行性。     

FBMC-OQAM信号子载波盲估计

为了解决滤波器组多载波(filter-bank multi-carrier, FBMC)信号的子载波参数盲估计问题，提出一种基于四阶累积量的方法来估计FBMC-OQAM信号子载波参数。首先，截获交错正交幅度调制(offset quadrature amplitude modulation，OQAM)的FBMC信号并检测信号频谱来确定循环频率的范围；然后，分析循环频率与四阶累积量的代数关系；最后，得出四阶累积量的峰值受原型滤波器影响且仅在其循环频率等于子载波频率处存在。通过检测四阶累积量峰值的位置和个数能有效估计子载波频率和数目。仿真表明，当信噪比大于2 dB时，算法对FBMC-OQAM信号的子载波参数盲估计正确概率为98%。      

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。     

频率选择性衰落信道下OFDM子载波数盲估计

提出了一种在频率选择性衰落信道下的基于高阶循环累积量的OFDM信号子载波数盲估计方法,扩展了该方法的适用范围,并进行了理论推导和试验仿真。结果表明OFDM信号的特定高阶循环累积量仅在子载波位置存在,通过检测循环频率的个数可以估计出子载波数。高阶累积量具有良好的抗噪性能,在低信噪比下具有良好的估计性能。     

一种简单多径信道下的调制识别方法

为解决简单多径条件下调制识别类型少、难以工作于低信噪比下的问题,提出了一种基于联合特征参数的调制识别方法。根据简单多径下不考虑多普勒效应影响这一条件,利用调制信号的延迟相关和瞬时自相关特性,并结合高阶累积量特征对幅移键控(ASK)、相移键控(PSK)、频移键控(FSK)共8种信号进行分类识别。仿真结果表明,在信噪比大于4 dB时,简单多径条件下的各类调制信号正确识别率接近100%。