基于高阶统计特征的空时分组码盲识别方法

空时分组码的盲识别是认知无线电领域一个新的重要问题。多数现有算法在多接收天线下进行识别,然而这些算法并不完全适用于单接收天线条件。针对上述问题,该文提出一种同时适用于单接收天线和多接收天线的空时分组码盲识别方法。利用空时分组码矩阵内元素的相关性,提出四阶统计量作为盲识别的特征参数,并通过最小欧氏距离的方式检验四阶统计量的差异,达到识别的目的。蒙特卡洛仿真表明,算法识别性能较好,且不需要预先知道信道信息、噪声信息和调制信息,对多普勒频移和相位噪声具有一定的适应性。     

一种单接收天线下的空时分组码识别方法

该文针对全盲条件下单接收天线的空时分组码(STBC)识别问题,提出一种基于四阶累积量识别方法。使用接收信号的四阶累积量作为特征参数,利用高阶累积量对零均值高斯噪声不敏感的特性,首先求取各种STBC的四阶累积量理论值,再对采样信号四阶累积量进行区间检测,从而实现STBC的识别。该算法不需要信道信息和噪声参数,仿真结果表明,该算法在单天线条件下性能较好。     

基于高阶累积量的空时分组码盲识别算法研究

针对MISO通信系统的空时分组码盲识别问题,提出了一种基于高阶累积量的空时分组码盲识别算法。首先,给出了MISO接收信号模型,利用高阶累积量的性质分析得到接收信号的四阶累积量的表达式;然后,利用编码矩阵的特性,证明接收信号在不同时延向量下的四阶累积量呈现非零值,其非零值取决于STBC的类型;最后,采用四阶累积量的实验值与理论值的最小欧式距离盲识别空时分组码的类型。仿真结果表明,即使在低信噪比条件下,所提方法能够较好地识别空时分组码。     

四阶时延矩STBC-OFDM信号调制方式识别

针对单接收天线的STBC-OFDM信号调制识别问题,提出了一种基于OFDM块四阶时延矩盲调制识别算法。首先计算了在不存在噪声的理想条件下不同星座符号的四阶时延矩的理论值和其方差,然后根据其理论值求取阈值大小,最后比较阈值与实验值判别发射端信号调制方式。该算法不需要预先知道STBC编码方式等先验信息,非常适合于非合作通信场合。仿真结果表明:所提出的算法即使在低信噪比下也能较好的识别单接收天线STBC-OFDM信号调制方式。      

基于四阶循环平稳的STBC-OFDM信号盲识别

针对非理想信道环境下多输入单输出(MISO)通信系统中STBC-OFDM信号的盲识别问题,提出了一种基于四阶循环平稳的STBC-OFDM信号盲识别算法。该方法首先对MISO通信系统中STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,结合四阶循环平稳特性,推导了不同时延向量下接收信号块的四阶循环矩;最后根据有无尖峰盲识别空时分组码的类型。该方法采用分层识别的思想,无需信道系数、噪声功率和调制方式等先验信息,适合非合作通信场所。仿真结果表明:算法适应于低信噪比的环境,且不受调制方式、相位噪声和多普勒频移影响,实用性很强。      

基于FOLP的STBC-OFDM信号盲识别方法

针对STBC-OFDM信号盲识别中存在着识别所需样本数多、对频偏敏感和不适用于单接收天线等问题,提出一种基于FOLP（Fourth Order Lag Product）的识别方法.根据不同空时分组码元素的相关性,推导了接收信号的FOLP,构造了基于FOLP的峰值检测算法.推导和仿真结果表明,该算法能够在单接收天线下运行,且不需要知道信道信息、噪声信息、调制信息以及OFDM块的起始位置;且该算法不受调制方式的影响,对时延、相位噪声和频率偏移鲁棒性能好,能够应用于认知无线电、频谱监控等工程领域中.     

一种基于高阶累积量的正交空时分组码盲识别方法

针对全盲条件下正交空时分组码(OSTBC)的正交性识别问题,提出一种基于高阶累积量的OSTBC识别方法.通过对接收信号白化,在不需要信道估计的情况下,消除信道对识别结果的干扰,既减少了算法复杂度,又提高了低信噪比条件下OSTBC的识别概率;考虑实际系统中噪声对识别结果的影响,利用高阶累积量(阶数大于2)的去噪声特性,消除噪声对于STBC正交特性识别的影响;分析了两种四阶累积量的OSTBC识别特性,选取了适用于OSTBC识别的四阶累积量作为特征参数.仿真结果表明,所提出方法对于OSTBC识别问题区分性能较好.     

频率选择信道下的空时分组码盲识别

在单接收天线下,针对频率选择性衰落信道下空时分组码( STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov( K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的目的。在不同调制方式、采样因子和置信区间的条件下分别对算法进行仿真并讨论其性能,结果表明,该算法性能较好,在信噪比大于6 dB时可达到90%以上的正确识别概率,在非合作通信方面具有一定的实用价值。     

基于对称相关谱和累积量切片的QAM信号识别

随着正交振幅调制信号(Quadrature Amplitude Modulation,QAM)的广泛应用,对其调制方式的识别显得至关重要。针对M-QAM的四次方谱谱线特征在低信噪比时对调制信号识别率低,且计算复杂度高等问题,提出了一种基于信号四次方的对称相关谱和四阶累积量的一维切片值的M-QAM调制方式的盲识别算法。该算法无需波特率和采样率等先验信息,没有复杂的迭代过程,可以应用于实际信号的调制识别,对NI USRP-2930无线接收平台接收的信号进行识别。实验结果表明,提出的算法在低信噪比下具有较高的识别率、实用性和有效性。     

基于ICA和特征提取的MIMO信号调制识别算法

针对非协作通信中多输入多输出(MIMO)信号的盲调制识别,该文提出一种基于独立分量分析(ICA)和特征提取的调制识别算法。根据空分复用MIMO系统各发送天线上信号的独立性,利用ICA算法从接收的混合信号中分离出发射信号。为实现全盲条件下的调制识别,在进行ICA分离前,利用最小描述长度(MDL)准则估计发射天线数。在得到发射信号之后,首先利用6阶累积量、循环谱和4次方谱算法构造4个特征参数,然后利用分层结构的神经网络分类器识别信号的调制类型。仿真结果表明,所提方法可在较低信噪比下对{2PSK, 2ASK, 2FSK, 4PSK, 4ASK, MSK, 8PSK, 16QAM}8种MIMO信号进行有效识别,当发送天线数为2、接收天线数为5、信噪比为2 dB时,识别率可达到98%以上。     

Robust multiple signal classification algorithm based on the myriad covariation matrix

A robust version of the multiple signal classification (MUSIC) bearing estimation algorithm based on robust statistics is developed for a direct sequence-code division multiple access impulsive noise channel. The proposed subspace algorithm is computed by using the antenna array covariance matrix, which is derived from the robust maximum likelihood estimator of location. Each element of the robust covariance matrix is computed as the sample myriad of a window of the received observations. The MUSIC antenna array scheme is jointly used to mitigate the effects of multipath and impulsive noise. Simulation results demonstrate that the proposed scheme significantly outperforms the other linear and nonlinear schemes     

基于模糊量化和2 bit深度像素的运动估计算法

提出了一种2 bit深度像素的运动估计算法。首先,将像素深度的降采样过程形式化为区间分划和区间映射2个步骤,其中前者为多对一映射,决定着运动估计性能,后者为一一映射;其次,提出一种非均匀量化方法求解区间分划的3个初始阈值,并利用隶属度函数对初始阈值细化,从而克服信号噪声等因素导致的初始阈值周围像素值的误匹配;再次,讨论了适用于2 bit深度像素运动估计的误差度量准则,进而提出了基于模糊量化和2 bit深度像素的运动估计算法;最后,借助信号自相关函数,建立比特深度转换误差—运动向量精度模型来估计该算法所能达到的预测精度。实验结果证明,对于多种类型的视频序列,尤其是场景细节和物体运动比较复杂者,该算法始终能保持较高的估计精度,运动补偿的平均峰值信噪比较之传统2 bit深度像素的运动估计提高0.27 dB。     

Unvoiced/voiced classification and voiced harmonic parameters estimation using the third-order statistics

Unvoiced/voiced classification of speech is a challenging problem especially under conditions of low signal-to-noise ratio or the non-white-stationary noise environment. To solve this problem, an algorithm for speech classification, and a technique for the estimation of pairwise magnitude frequency in voiced speech are proposed. By using third order spectrum of speech signal to remove noise, in this algorithm the least spectrum difference to get refined pitch and the max harmonic number is given. And this algorithm utilizes spectral envelope to estimate signal-to-noise ratio of speech harmonics. Speech classification, voicing probability, and harmonic parameters of the voiced frame can be obtained. Simulation results indicate that the proposed algorithm, under complicated background noise, especially Gaussian noise, can effectively classify speech in high accuracy for voicing probability and the voiced parameters.     

基于遗传算法的UWB信号非相干捕获方法

 本文针对动态信噪比环境超宽带（UWB, Ultra WideBand）信号的非相干捕获,提出了一种基于遗传算法的信号捕获方案.以遗传算法结合在线估计接收信噪比,搜索积分窗口长度与定时位置的参数组合,实现系统要求的比特错误概率.该方法解决了传统捕获方案在未知信噪比条件下积分长度无法择优选取以及捕获门限难于设定的问题.仿真结果表明,基于遗传算法的二维参数捕获方法与传统Look and Jump by K steps算法相比有效的提高了未知信噪比条件下的系统捕获性能,拓展了UWB非相干系统的应用范围.     

一种利用人眼视觉特性的数字图像水印技术

结合人眼对比度敏感视觉特性和图像特征,提出一种基于人眼视觉特性的频谱图的不同频率下最小可觉察误差阈值的计算方法,利用阈值来决定水印的嵌入和提取,设计水印方案并通过实验进行验证和攻击测试。结果表明,在JPEG压缩质量因子大于30%时,峰值信噪比均大于30dB,隐蔽性较好;相似度在压缩质量因子为20%的情况下还能达到0.653 9,且从直观上看,提取的水印仍能清晰可见。     

Frequency Domain DTV Pilot Detection Based on the Bussgang Theorem for Cognitive Radio

In this paper, a signal detection scheme for cognitive radio (CR) based on the Bussgang theorem is proposed. The proposed scheme calculates the statistical difference between Gaussian noise and the primary user signal by applying the Bussgang theorem to the received signal. Therefore, the proposed scheme overcomes the noise uncertainty and gives scalable complexity according to the zero‐memory nonlinear function for a mobile device. We also present the theoretical analysis on the detection threshold and the detection performance in the additive white Gaussian noise channel. The proposed detection scheme is evaluated by computer simulations based on the IEEE 802.22 standard for the wireless regional area network. Our results show that the proposed scheme is robust to the noise uncertainty and works well in a very low signal‐to‐noise ratio.     

基于信噪比分类网络的调制信号分类识别算法

针对传统降噪算法损伤高信噪比(SNR)信号而造成信号识别准确率下降的问题,该文提出基于卷积神经网络的信噪比分类算法,该算法利用卷积神经网络对信号进行特征提取,用固定K均值(FK-means)算法对提取的特征进行聚类处理,准确分类高低信噪比信号。低信噪比信号采用改进的中值滤波算法降噪,改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制,来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征,该文提出卷积神经网络和长短时记忆网络并联的卷积长短时(P-CL)网络,利用卷积神经网络和长短时记忆网络分别提取信号的空间特征与时间特征,并进行特征融合与分类。实验表明,该文提出的调制信号分类模型识别准确率为91%,相比于卷积长短时(CNN-LSTM)网络提高了6%。     

Switching Equalization Algorithm Based on a New SNR Estimation Method

It is well-known that turbo equalization with the max-log-map （MLM） rather than the log-map （LM） algorithm is insensitive to signal to noise ratio （SNR） mismatch. As our first contribution, an improved MLM algorithm called scaled max-log-map （SMLM） algorithm is presented. Simulation results show that the SMLM scheme can dramatically outperform the MLM without sacrificing the robustness against SNR mismatch. Unfortunately, its performance is still inferior to that of the LM algorithm with exact SNR knowledge over the class of high-loss channels. As our second contribution, a switching turbo equalization scheme, which switches between the SMLM and LM schemes, is proposed to practically close the performance gap. It is based on a novel way to estimate the SNR from the reliability values of the extrinsic information of the SMLM algorithm.