认知无线电中非高斯噪声下数字调制信号识别方法简

针对认知无线电系统中传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差、计算复杂度高的问题,提出了一种基于分数低阶循环谱相关系数的数字调制识别新方法。该方法提取分数低阶循环谱截面和频率谱截面以及其投影面的5个相关系数作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅具有较高的识别率和良好的稳健性并且计算复杂度更低,更适合于认知无线电系统。     

低复杂度的OFDM信号信噪比的盲估计

针对非合作通信系统中,多径信道下传统的正交频分复用(OFDM)信号信噪比盲估计方法的估计性能差,计算复杂度高的问题,提出了一种低复杂度的OFDM信号信噪比盲估计方法。该方法首先根据接收到的观测信号建立自回归(AR)模型,通过AR模型估计出信号的功率谱,然后基于高阶累积量的2阶和4阶的组合特征量与寻求跳变值的方法相结合估计出信号的带宽,最后通过计算出带宽之内的信号总功率和带宽之外的噪声功率估计出接收信号的信噪比。实验仿真结果表明,作者提出的方法无需任何先验信息,在多径信道下具有良好的估计性能,且计算复杂度低,更适合于实时的非合作通信系统。     

非高斯噪声下数字调制信号识别方法

针对传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差的问题,该文提出一种基于广义分数阶傅里叶变换和分数低阶Wigner-Ville分布的数字调制识别新方法。该方法提取广义分数阶傅里叶变换的零中心归一化瞬时幅度谱密度的最大值和分数低阶Wigner-Ville分布幅度的最大值作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅性能明显优于传统方法并且具有较高的识别率和良好的稳健性。