利用幅度特性对数字信号调制方式进行识别

数字调制方式的识别对于通信信号分析有着重要的作用。针对数字信号（2ASK,4ASK,2PSK,4PSK,2FSK和4FSK）的调制方式,本文提出了一种只利用调制信号瞬时幅度特性便可以对调制信号进行识别的新算法,利用特征参数提取与决策树分类器结合对以上6种数字信号进行调制识别。首先提出了使用希尔伯特变换和解析函数对数字信...     

通信中调制方式的自动识别新方法

本文以ＡＭ、ＦＭ、ＤＳＢ、ＳＳＢ、ＣＷ信号瞬时幅度、瞬时频率为特征，通过对二者的统计分析，提出了以信号包络平方为变量，其方差与其均值的平方之比Ｒ为判决值，并结合信号频率的方差进行判决的新方法。     

一种优化的卷积神经网络调制识别算法

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。     

一种新的数字信号调制式盲识别算法

现有的调制识别算法多应用到信号的瞬时频率和瞬时相位信息,而瞬时频率和瞬时相位的提取需要载频、码元速率等先验信息,载频的偏差限制了其识别性能的进一步提高。基于此,提出了一种仅依靠信号瞬时幅度信息进行肓识别的新算法．该算法不需要任何先验信息,介绍了一种对MFSK和MPSK信号非常有效的瞬时频率的近似提取法,然后选择特征量对调制类型进行分类识别,最后进行计算机仿真,仿真结果表明该算法识别性能良好,对载频偏差不敏感,有着很好的稳定性。     

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。     

一种短波信道中数字信号调制方式识别算法

短波天波信道存在多径效应及冲击和高斯噪声.针对短波信道特点,提出先利用零记忆非线性系统抑制冲击噪声,后分段盲均衡,基于最大后验概率识别的分类方法.零记忆非线性系统可抑制冲击噪声,而让信号无失真通过.分段均衡减弱信道时变和参数估计误差对均衡器影响.由于冲击噪声的瞬时性和信道时变性,使每段信号均衡效果并不一样,采用最大后验概率的方法选用均衡效果最好的一段信号识别.仿真表明,在典型短波信道且含有冲击噪声情况下,信噪比10 dB时,平均识别概率大于90%,该算法适合在实际中应用.     

差分运算在数字调制制式识别中的应用

随着数字通信技术的发展，数字信号调制制式的识别成为近年来的研究热点，本文将差分运算应用到数字调制制式的自动识别当中，设计了一种新的算法，能够成功识别2ASK，4ASK，2FSK，4FSK及2PSK五种信号。仿真结果表明，该算法具有较高的识别率。     

基于改进的瞬时信息量数字调制识别算法

针对瞬时信息量的调制识别算法抗噪性能差的问题,提出了一种基于改进的瞬时信息量的数字调制识别算法。通过提取5种新的瞬时信息特征参数,确定其判别次序和判决门限值,使得算法在低信噪比条件下依然能保持很高的识别性能。实验结果表明,算法在信噪比低至5 dB时,对不同的数字调制信号的识别率均达到90%以上,与同条件下的原有识别算法相比,识别正确率提升了15%。     

基于瞬时参数的调制识别算法

通信信号的调制识别是目前研究的热点问题.文章通过提取信号的瞬时参数,构造识别特征,成功识别出AM、DSB、LSB、USB、FM信号,并给出了仿真结果.     

基于参量直方分布的数字信号调制识别

提出了基于参量立方分布的数字调制信号的神经网络识别方法，在提取信号瞬时幅度、瞬时相位、瞬时频率参量的基础上，将其立方分布作为数字通信信号调制方式识别的特征，用于神经网络的训练与识别。仿真结果说明，这种方法保留了原始信息的明显特征，对数字调制信号识别率高，且具有逻辑关系简单、便于进行实时处理、易于实现等优点。     

基于瞬时频率的数字调制方式自动识别算法

数字通信信号调制方式的自动识别在军用和民用方面都极为重要。为了自动识别FSK2,FSK4,PSK2,PSK4四种数字信号的调制方式,提出一种新的瞬时频率提取方法,该方法不需要对相位进行去卷叠处理,也不需要实现码元同步,与现有方法相比,运算量显著减少,鲁棒性强,可用于实时处理中。在此基础上提出三个特征参数和一种基于判决理论的调制方式自动识别算法,给出识别算法的实现流程。计算机仿真结果表明,在信噪比为-3 dB时,识别算法的平均识别率大于等于99%,证明新的瞬时频率提取方法和调制方式自动识别算法是有效的,有望用于实际的非协作通信系统中信号的检测和快速识别。     

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.     

卫星数字调制混合信号的自动识别

针对卫星数字混合信号的特征,提出了在载波速率和符号速率初判基础上的自动识别方案.该方案利用数字混合信号与常用数字调制信号在信号频谱以及星座点的差异提取特征参数进行自动识别.仿真结果表明,该方案具备实用性和可行性.     

一种新型的数字调制信号的识别

为解决信号调制方式在低信噪比情况下识别率低的问题,提出了TFC-KNN（Time-frequency analysis and higher-order cumulants-K nearest neighbor）算法。该算法在信号时频分析的基础上引入了高阶累积量,采用K-NN近邻算法对信号进行分类。算法中所采用的信号特征参数能有效地抑制加性高斯噪声。仿真结果表明,在信噪比不小于5 dB的情况下,该算法对不同的调制信号的识别率在96％以上。     

基于瞬时信息的数字调制模式自动识别

根据数字信号的特点,提出了一种新的通信信号调制模式自动识别算法。该算法从待识别信号的瞬时信息中提取七个分类特征参数,并以支持向量机作为分类器,用于识别12种数字信号。仿真结果证明,当信噪比大于10dB时,算法的正确识别率达到98%以上,且算法简单、计算量小,有利于识别的实时性。     

通信信号调制模式的自动识别技术及发展前景

概述了通信信号调制识别的研究内容、识别算法和发展前景,并对以后的发展提出了自己的建议。     

一种改进的MQAM信号调制方式识别算法

传统的多进制正交幅度调制信号调制方式的识别方法,是对信号的星座图进行减法聚类,通过得到的聚类中心个数确定调制阶数,从而完成识别。由于信号的数据长度及聚类半径对识别性能的影响很大,为降低一定数据长度下聚类半径对识别效果的影响,提出了结合减法聚类和最大似然估计理论的改进识别方法,并给出了识别流程。仿真结果表明,在一定条件下,改进算法对信噪比的要求低于传统方法约6dB。     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络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商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

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%.