基于神经网络的数字信号调制方式识别

提出了一种对经过符号成形的数字信号调制方式进行识别的新算法,利用特征参数提取与神经网络分类器相结合对8种常用数字信号进行识别.首先介绍了符号成形对信号瞬时参数提取的影响,然后选取特征量并通过所设计的神经网络分类器进行识别分类,最后计算机仿真表明利用神经网络分类器在低信噪比下能较好地区分开8种经符号成形的数字信号,且选用的L-M训练算法收敛快,适合在线分析.     

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。     

经符号成形的数字信号调制制式识别

提出了一种对经过符号成形的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相结合对8种常用数字信号进行调制识别。首先详细介绍了符号成形对调制信号及信号瞬时参数提取的影响,然后选取特征参数通过决策树分类器进行识别分类,最后进行了计算机仿真,仿真表明该算法能够有效识别经符号成形的数字信号,且与无符号成形的数字信号调制识别方法相比。有着更好的识别性能。