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。     

基于累积量和SVM的数字调制识别

文中提出了一种基于高阶累积量和支持向量机的数字调制信号识别新算法,即从信号的四阶和六阶累积量中提取的参数作为分类特征向量,利用基于二叉树的支持向量机作为分类器的方法实现了2ASK、4ASK、8ASK、4PSK、8PSK等五种数字调制信号的识别。仿真结果表明,在信噪比为10dB情况下,该算法的正确识别率达到了95.83%以上。     

一种基于分布式发射天线的差分空时调制方法

在基于分布式发射天线的多入多出(MIMO)系统中,由于各发射天线的发射信号不同时到达接收端,用于信道估计的导引设计及发射方法存在一定困难。针对这一问题,该文提出一种无需信道估计的分布式MIMO差分编码及检测方法:发送端将发射矩阵进行相位差分调制后发射,接收端利用前后接收量判断相位信息恢复出发送端数据信息。该方法频谱效率与V-BLAST相同,适用于任意发射天线数和接收天线数,且不要求接收天线数大于发射天线数。仿真结果表明,在不同信道传播时延情况下,误码率性能不同。     

含噪盲信号分离与识别方法研究

针对经典FastICA不能对含噪盲信号进行较好的分离,提出了一种基于偏移FastICA及支持向量机(SVM)的含噪通信盲信号分离与调制方式识别的方法.其核心思想是首先对接收到的含有高斯白噪声的盲信号运用偏移FastICA进行分离,然后对分离出的信号分别提取5种特征参数,利用SVM对其数字调制方式识别,理论研究和仿真结果证明:偏移FastICA对含噪盲信号分离效果好,在信噪比不低于10 dB时,调制识别率可以达到93％以上,能够较好地识别2ASK,4ASK,2FSK,4FSK,2PSK,4PSK,16QAM信号,具有一定的可行性.     

高阶累积量调制识别改进算法的FPGA实现

基于高阶累积量的数字调制信号识别算法在低信噪比环境下识别率较低。针对这一问题,提出了高阶累积量的改进算法,通过调整特征参数的判别顺序先识别出MASK信号的方式,取得了较好的效果。讨论了该算法的FPGA设计,并利用Virtex-4开发板对该设计进行硬件协同仿真测试。测试结果表明,该算法在低信噪比环境下对2ASK,4ASK,4PSK,16QAM信号的识别率有显著提高。在信噪比为4 dB时,对2ASK,4ASK信号的识别率分别为93.4%,100%。在信噪比为2 dB时,对4PSK,16QAM信号的识别率最高,达到了99.7%。     

一种基于分布式发射天线的差分空时调制方法

在基于分布式发射天线的多入多出（MIMO）系统中,由于各发射天线的发射信号不同时到达接收端,用于信道估计的导引设计及发射方法存在一定困难。针对这一问题,该文提出一种无需信道估计的分布式MIMO差分编码及检测方法：发送端将发射矩阵进行相位差分调制后发射,接收端利用前后接收量判断相位信息恢复出发送端数据信息。该方法频谱效率与V—BLAST相同,适用于任意发射天线数和接收天线数,且不要求接收天线数大于发射天线数。仿真结果表明,在不同信道传播时延情况下,误码率性能不同。     

小波分析与最小二乘支撑矢量机在调制识别中的应用

自动调制识别是通信对抗及软件无线电等领域的一个重要研究课题。本文提出了一种使用小波分析与最小二乘支撑矢量机,对数字调制信号的识别方法。首先对接收到的信号进行小波去噪,然后提取其小波包分解系数模值的标准方差作为识别的特征参数．利用最小二乘支撑矢量机为分类器,对2ASK,4ASK,2PSK．4PSK．8PSK．4QAM,16QAM．2FSK和4FSK九类数字信号进行分类识别。计算机仿真结果表明该方法有效．在信噪比为0dB时正确识别率达到99．01％。     

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...     

Link-16信号MSK调制模式识别方法

针对Link-16信号采用的最小频移键控(MSK)调制模式,提出了一种基于瞬时特征参量与频谱特征的识别方法。该方法分2个层次进行调制识别,首先利用瞬时特征参量对幅移键控(ASK)、频移键控(FSK)和相移键控(PSK)、MSK信号进行识别,然后再利用频谱特征对MSK、PSK信号进行识别。最后,在特定的数据长度、信号幅度和信噪比的条件下,理论分析与仿真验证该算法易于实现、识别性能较好(90%)。     

基于决策论的数字调制信号识别方法

以决策论为基础提出了一种改进的数字调制信号识别方法,该方法仅需4个相对简单的特征参数,就能识别2ASK、4ASK、2FSK、4FSK、2PSK、4PSK和16QAM这7种数字调制信号。仿真结果表明,该方法复杂度较低,识别正确率有较大提高,尤其对于2ASK、4ASK、MPSK/MFSK及16QAM的识别,在信噪比较低的情况下,具有较好的识别效果。     

基于粒子群支持向量机的通信信号调制识别算法

为了解决大部分通信信号调制识别方法计算量大和分类器训练困难问题,提出一种基于粒子群(PSO)支持向量机(SVM)的调制识别方法.将小波理论与调制信号的瞬时特征、高阶累积量以及分形理论相结合,得到一种混合模式特征向量,并利用粒子群支持向量机对2ASK,4ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,...     

基于混沌粒子群的决策树SVM的调制模式识别

针对通信调制识别常用的决策树识别节点过多和支持向量机识别处理多类繁杂的问题,将二者结合起来采用决策树SVM算法,另引入在函数优化、数据挖掘等方面具有突出优势的混沌粒子群算法来对决策树SVM中参数选择进行择优提取。并对2ASK,4ASK,2PSK,4PSK,2FSK,4FSK这些数字调制信号,在信噪比为5%,10%,15%的情况下,进行仿真测试,结果表明有良好的分类效果。     

基于高阶累量的数字调制方式识别

数字通信调制方式识别一直是信号截获处理方面的热点课题,是信号筛选和解调的基础,在通信对抗中意义重大。本文提出了以接收信号的四、六阶累量为特征来识别数字调制信号,文中进行了理论推导,并做了仿真验证该方法的可行性,实现了对2A SK/2PSK、4A SK、8A SK、4PSK、8PSK、16SQAM等数字调制类型识别。     

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。     

大规模MIMO系统多用户PSK调制方案的优化

针对超可靠低时延通信短包传输特征,在大规模多输入多输出( Multiple-Input Multiple-Output,MIMO)上行链路系统中,利用较低导频开销来设计相移键控( Phase Shift Keying,PSK)调制方案,并对该方案进行优化兼顾无线链路传输的可靠性.首先,在接收端构建基于最小欧式距离的非相...     

突发自适应调制信号的调制识别算法研究

针对突发自适应调制信号中的PSK和QAM调制方式识别问题,本文提出了一种能够识别BPSK、QPSK、8PSK以及16QAM、32QAM、64QAM、128QAM、256QAM八种信号类型的盲识别算法。该算法首先对信号的循环平稳性进行了分析和讨论,给出了利用循环高阶累积量的特征实现信号识别分类的理论依据。然后,提出了三种基于循环累积量的特征分别实现了QAM和PSK类间识别、MPSK类内识别以及方形QAM与十字形QAM的识别。最后通过对MQAM信号的瞬时幅度分布特性的深入研究和分析,提出了一种基于瞬时包络平方的方差的特征实现了QAM的类内识别。该算法选择了二叉树支持向量机作为识别分类器,并设计了一种新的识别流程完成了对上述信号调制方式的识别。该算法无需精确同步,对载波相位具有较好的鲁棒性,并能够对中频信号进行识别。仿真实验表明,该算法能够实现在较低信噪比条件下突发信号的识别。      

高斯白噪声信道下8PSK信号信噪比估计

针对高斯白噪声信道下传统信噪比(Signal to Noise Ratio,SNR)估计算法适用的相位键控(PSK)调制阶数低、信噪比估计过程中数值计算系数大的问题,提出了一种新的8PSK信号盲信噪比估计算法。该算法理论分析了高斯白噪声信道下8PSK信号信噪比与中间观测量的数值关系,采用多项式拟合和观测量归一化处理的方式推导了二者的解析关系式。数值仿真表明该算法在-6~10 dB范围内,可取得良好的信噪比估计效果。