基于四阶矩切片循环谱的非周期性直扩信号检测与参数估计

由于非周期性直扩信号破坏了伪码的周期性和相关特性,原周期性直扩信号检测方法将失效或性能严重恶化.本文在信息序列不相关的前提下,利用四阶矩切片能有效抑制高斯白噪声和其循环相关谱具有明显谱峰的特点,提出一种基于四阶矩切片循环相关谱的非周期性直扩信号盲检测方法,该方法同时能精确估计信号载频.这种方法不需要先验信息,计算简单,...     

Zak变换在Gabor展开理论中的应用

利用离散Zak变换及其性质,本文首次给出了在过采样条件下,频域离散Gabor展开系数与时域离散Gabor展开系数之间的简捷关系,这对Zak变换的应用和完善Gabor展开理论是很有意义的,论文最后给出了计算实例。     

一种基于三阶统计量的基音周期检测新方法

本文利用小波变换和三阶统计量的基本特性,提出了一种小波变换与三阶统计量结合的基音周期检测新方法;在低信噪比的基音周期检测中,本方法可以获得比其它基音周期检测法更精确的结果文中还分析了压扩因子和门限因子K的选择,实验表明,K在一定范围内取值时对基音周期检测结果影响不大.     

一种基于幅度统计矩的MQAM信号分类方法

针对加性高斯白噪声(AWGN)环境下M进制正交幅度调制(MQAM)信号的调制分类,提出了一种基于幅度统计矩的MQAM信号分类法,推导出了用于区分MQAM信号的特征参数表达式。计算机仿真结果与理论分析一致,仿真结果表明,在信噪比不低于5 dB时,该方法的正确识别率可保持在97%以上,证明了该方法的有效性。     

基于支持向量机的实际调制信号识别

提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明，该方法对实际采集的信号具有很好的分类性能。     

一种计算MDCT的快速算法

提出了一种计算ＭＤＣＴ的快速算法，并分析了算法的计算复杂度。与利用ＦＦＴ计算的算法相比，本算法的计算复杂度降低了约一半。最后给出该算法的计算机仿真结果。     

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。      

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

利用稀疏傅里叶变换的哈希映射法的宽带频谱感知算法

宽带频谱感知一般要求对高达数 GHz带宽信号进行频谱分析,信号的采样点数大,计算量大。稀疏傅里叶变换算法利用信号频谱稀疏性,高效计算宽带信号频谱,其计算复杂度低于快速傅里叶变换算法。本文详细研究了稀疏傅里叶变换的哈希映射法,证明了频谱重排性质。为了降低频谱漏采的概率,需先对信号进行频谱重排和时域加窗处理;然后进行时域混叠以实现频谱降采样;最后利用哈希反映射和循环投票方法尽可能准确地从降采样的频谱中恢复宽带信号原频谱,从而实现频谱感知。仿真结果表明当采样长度由1024点增加到2048点时,本文方法的运算时间分别比OMP算法减少约19倍和47倍。      

异步多址正交频分复用信号解码算法研究

提出了异步情况下基于独立分量分析的正交频分复用多址(Orthogonal Frequency Division Multiple Access, OFDMA)接入信号解码算法.该算法可以在传输延迟及载波频偏未知情况下, 对多用户OFDMA信号进行盲分离和解码, 不需要去除循环前缀, 增加了接收信号能量, 提高了解码性能.理论分析和仿真表明:在平稳信道环境下, 相比于传统的基于快速傅里叶变换的OFDMA信号解码算法, 该算法具有更好的性能.