基于相位聚类的MPSK信号调制分类算法

针对非协作通信中的MPSK信号调制识别问题,提出基于相位聚类的调制识别算法.该算法以MPSK信号相位聚类的周期性为分类特征,应用傅里叶变换作为特征提取的方法,实现了对MPSK信号的类内识别.同时本文还对该算法进行了改进,减少了该算法的计算量,并使该方法可对含有载波频偏的MPSK调制信号进行识别.该算法在信噪比较低的情况...     

基于软件无线电架构的通信信号自动调制识别

自动调制识别是非合作通信系统接收机设计中的重要研究课题。本文提出了一种基于软件无线电架构的自动调制识别算法。该算法计算量小,适合于在线分析。本文对高斯噪声中通信信号的自动识别进行了计算机仿真。实验结果表明,在信嗓比为15dB时,识别成功率不低于98％。     

基于时频域处理的MSK信号自动识别与实现

信号的自动识别是非协作通信领域研究的重要课题。通过对现有研究成果的应用,针对实际工程给出一种基于时频域处理的MSK信号调制识别算法。该算法结构简单,计算量较小,具有较好的识别性能。     

基于SNR估计的MQAM信号调制识别算法

针对现有多进制正交幅度调制(MQAM)信号调制方式的不足,提出了一种改进的MQAM信号调制识别算法。该算法对通信系统中信号的信噪比(SNR)进行估计,通过计算MQAM信号矢量图的最小环带的方差,得到不同调制类型的QAM最小环带的方差,最后根据估计的SNR与信号求出合适的参考门限,与之前求出的最小环带的方差进行比较,完成调制方式的识别。该算法运算量小,识别率高,且适用于实际工程应用。仿真结果表明在SNR≥-1?dB时,5种不同阶数的QAM信号的识别概率≥96%。     

高阶QAM信号调制样式识别算法研究

将星座图运用于调制方式识别是将一般的模式识别问题转化为形状匹配问题.在原有星座图聚类识别高阶QAM信号样式的基础上,提出了模版匹配的算法来解决阶数更高时聚类计算星座点数方法失效的问题.仿真试验证明该算法计算简便、可靠性高,便于工程实现.     

基于通信信号非微弱特征的并行调制识别

调制识别是非协作通信中的关键问题。文中论述了一种基于判决理论的模拟-数字调制信号识别算法,并提出了该算法基于CUDA的并行应用,仿真实验表明,通过6个特征值可实现大部分模拟、数字信号的调制识别,同时基于CUDA并行加速的效果明显。     

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。     

激光制导混合信号分选及编码识别技术研究

激光半主动制导武器的制导信号大多采用脉冲时间间隔调制技术进行编码,但现有识别方法存在大量的重复计算和冗余数据,识别效率不高.为了解决这一问题,采用基于最小周期识别技术的方法,提出了一种信号分选及识别算法.该算法根据脉冲间隔调制编码存在最小周期的特性,利用上次计算的积累条件作为当前计算的初始条件,减少了重复计算量,从而准...     

一种基于调制特征向量的空目标识别方法

空中目标旋转部件对雷达回波有调制作用。将回波时域幅度调制信息的幅度偏差系数作为调制特征,首先利用仿真数据分析了固定翼飞机目标和直升机飞机目标的差异,随后提出了一种最近邻分类器的设计方法,最后利用实测数据对目标进行分类,取得了较高的识别率。与支持向量机的算法相比,该分类器算法复杂度低,计算量小,识别率高,在工程上可以选用这种方法对两类目标进行分类识别。     

基于时频融合的深度学习调制识别算法

自动调制识别(Automatic Modulation Recognition,AMR) 能够在缺少先验信息的条件下,识别出接收信号的调制类型,在非合作通信中起着至关重要的作用。为提高调制识别的准确率,提出了一种基于时频融合的深度学习调制识别算法。该算法将调制信号的时频图作为网络的输入,使用一维卷积分别提取信号的时频特征,并通过计算时频维度上的权重来突出重要的时频信息,使网络学习到更具区分度的时频特征。为了充分利用时频特征之间的互补性和相关性,使用了基于压缩和激励网络(Squeeze-and-Excitation Network,SENet)的时频特征融合策略。利用该网络对11种调制类型进行识别,实现了最高92.5%的识别准确率;在0 dB以上时,平均识别准确率达到90.87%,优于其他的深度学习算法。     

基于多尺度时序特征的信号调制样式识别算法

在认知无线电应用中,当前基于深度学习的信号调制样式识别算法存在运算效率低、复杂度较高的问题,为此本文提出了一种基于多尺度时序特征的信号调制识别算法。该算法首先利用多层卷积层提取不同尺度的时序数据,将数据进行特征融合后使用长短期记忆网络提取时序特征,最后由输出层输出识别结果,并通过网络结构的设计和优化,降低了算法复杂。实验结果表明,在包含11种调制信号的原始I/Q信号测试集上,在信噪比为4 dB及以上时,该算法识别准确率达到90%以上。与同等识别准确率的算法相比,该算法的复杂度更低,在嵌入式设备Jetson Nano和树莓派4B上的推理时间更短,具有更好的工程应用价值。      

基于改进RBF神经网络的数字调制识别

针对数字调制信号自动识别中分类器的设计,通过将决策树的方法应用到RBF中心的确定中,解决了常用算法计算量大、收敛速度慢的问题,提高了网络的学习精度和训练速度,将其应用到常用的7种数字调制信号(2ASK,4ASK,BPSK,QPSK,2FSK,4FSK,16QAM)的自动识别中,取得了好的结果。经仿真表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点,适于工程应用。     

一种改进的频移键控调制信号盲识别方法研究

频移键控信号在民用和军事通信领域得到了广泛应用,因此对频移键控调制信号识别分析也具有重要意义。针对过去一些方法存在的问题,提出了一种改进的频移键控调制信号盲识别方法。新方法采用基于循环平稳特性的核心思想,能更好地适用于低信噪比下的复杂电磁环境。它可在无先验信息的情况下实现对频移键控信号特征的提取,是一种高效的识别方法,具有良好的稳健性和工程实用性。计算机仿真表明,新改进算法在较低信噪比条件下能达到较高的正确识别率,相比过去的方法性能更优。     

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。     

常用多进制数字调制信号的识别方法

针对常用的多进制数字调制信号,设计了一通用的数字调制识别方案:先用三个时频域特征参数进行调制的大类识别,再利用各自算法估计信号调制阶数,修正了MFSK信号功率谱谱峰个数的估计算法,并提出了MASK/MQAM基于时域的调制阶数识别算法.仿真结果表明,在信噪比大于6dB时,该识别结构和识别算法对MFSK、MPSK,MASK调制信号的正确识别率不低于92%,MQAM识别算法则要求较高的信噪比.     

卫星通信中数字调相信号调制方式识别方法研究

通信信号的调制样式识别在非协作通信中具有重要的研究意义。针对卫星通信中调制方式不断向高阶发展的情况,提出了一种针对常用数字调相信号调制方式自动识别的算法。本文首先给出了卫星通信中数字调相信号的函数模型,介绍了不同调制样式的特点,给出了不同调相信号的星座图。在调制样式识别的研究中,六阶及更高阶的累积量很少用到,本文利用调制信号的八阶累积量和四阶累积量特征的关系,提取出信号的特征呢高参数,对QPSK、8PSK和{16APSK、32APSK}信号进行了区分,证明四阶以上累积量也可以为信号特征提供有用信息。然后通过对高阶APSK信号进行统计分析,采用一种快速收敛且有效的遗传算法,进行实数编码、交叉等操作,计算出采样信号信号平方幅度比,提取出APSK信号的统计特征参数,从而对{16APSK、32APSK}信号进行区分。这种算法对信号的相位偏差具有不变性,同时可抑制加性高斯噪声,特征参数具有很强的鲁棒性;与其它识别算法比较,它具有稳健、应用广泛、实时性强的特性。通过计算机仿真表明,在给定的数据长度和中等信噪比条件下,可得到很高的识别率(>96%)。      

多径信道下多载波调制信号盲识别算法

该文针对多径衰落信道下,基于IFFT实现的多载波调制信号类内盲识别问题,提出了一种基于对构造数据矩阵进行奇异值分解的算法。在无需知道任何数据信息和扩频码类型及其长度等先验知识的条件下,根据构造数据矩阵的较大非零奇异值个数,按照简单的判定准则,即可准确判断多载波信号的类型,取得了良好的效果。无需传统识别算法中特征提取之后复杂的分类器设计,简化了识别流程。理论分析和仿真均验证了算法的正确性和有效性,证明算法具有一定的理论和实际参考价值。     

利用稀疏堆栈自编码器实现调制样式识别算法

针对传统调制样式识别方法性能受预先依靠经验设计的特征参数影响大问题,提出一种基于稀疏堆栈自编码器的数字调制样式识别算法。首先根据网络输入数据形式要求,为了利用信号幅度和相位所包含的调制样式信息,提出一种将复数信号预处理为网络可接受的实数形式的信号预处理方法。在网络训练阶段,先通过逐层训练得到每层稀疏自编码网络的初始化参数,再通过有监督算法对分类层训练,最后利用有监督算法进行整体优化。采用 作为分类层完成数字调制样式识别。7种数字调制样式识别的仿真实验表明了本文算法的有效性,相比于其他算法,本文算法在低信噪比时正确识别率较高,识别性能不受人为因素的影响。      

Cooperative automatic modulation recognition in cognitive radio

In this article, a new effective method of cooperative modulation recognition (CMR) is proposed to recognize different modulation types of primary user for cognitive radio receivers. In the cognitive radio (CR) system, two CR users respectively send their feature parameters to the cooperative recognition center, which is composed of back propagation neural network (BPNN). With two users' cooperation and the application of an error back propagation learning algorithm with momentum, the center improves the performance of modulation recognition, especially when one of the CR users' signal-to-noise ratio (SNR) is low. To measure the performance of the proposed method, simulations are carried out to classify different types of modulated signals corrupted by additive white Gaussian noise (AWGN). The simulation results show that this cooperation algorithm has a better recognition performance than those without cooperation.