共查询到20条相似文献,搜索用时 234 毫秒
1.
基于高阶统计量的多模噪声中的信号检测 总被引:2,自引:0,他引:2
按照概率密度函数形状,给出了一种比较通用的非高斯噪声模型——多模噪声。多模噪声总体上属于非高斯噪声,但兼容了高斯噪声。改进了高阶统计量的双谱算法,给出一种基于双谱的多模噪声中信号的检测方法,并在此基础上结合无惯性非线性变换器和双谱技术,改进了传统的自适应幅频干扰抑制器,可以精确估计或检测信号。仿真表明该方法可以抑制高斯噪声,同时在强噪声和复杂背景下可以以较高的检测概率检测出信号,优于传统的似然比检测。 相似文献
2.
3.
4.
随着雷达技术的发展,雷达体制的多样性和雷达信号的复杂性对雷达辐射源信号识别技术提出了严峻的挑战。循环双谱抗噪性能强,且包含了丰富的信息,能用于识别雷达辐射源信号。但是其数据量庞大,而循环双谱对角切片法丢失了大部分信息。证明了循环双谱的对称性和周期性,提出了局部轴向积分循环双谱。该方法首先计算信号的循环双谱,然后在两个谱频率构成的平面上沿平行于谱频率轴的直线积分,最后用Fisher判决率(FDR)选择鉴别能力较强的轴向积分循环双谱。这样不但能有效地减小数据量,而且保留了大部分有用的循环双谱信息。仿真条件下,对比分析了局部轴向积分循环双谱与循环双谱对角切片的识别效果,结果表明新方法的识别率远远优于循环双谱对角切片法。 相似文献
5.
雷达信号的相位可反映其脉内调制特征,而双谱在提取雷达信号特征时可以完整地保留相位信息。针对现有双谱特征提取方法存在平凡双谱、交叉项、特征维数过高等问题,提出一种基于双谱二次特征的雷达信号脉内特征提取算法。首先,将双谱转化为灰度图像,以灰度值表示双谱幅度;然后,利用图像处理技术提取双谱二次特征,提取出能够反映复杂雷达信号脉内特征的不同阶Zernike正交矩特征集;最后,将Zernike矩特征集与广泛应用于特征提取的Hu-不变矩特征集进行实验对比,结果表明,本文提出的算法具有更好的分类识别性能。 相似文献
6.
7.
8.
9.
10.
本文围绕一起因射频开关阈值电平设置不合理而引发的信号中断故障,从射频开关工作原理和应有的作用出发,分析了射频开关阈值电平设置值必须同时兼顾到切换可靠性和确保后级设备信号质量指标的主要原因,在试验的基础上,提出了既能保证可靠切换又能兼顾后级设备信号质量的合理的射频开关阈值电平设置值。 相似文献
11.
传统的基于密码机制和安全协议的无线网络安全存在隐患,新的基于物理层的射频指纹(radio frequency fingerprinting,RFF)方法利用发射机射频信号的细微差异来区分不同个体,具有难以克隆、伪造的优点,有着广阔的应用前景.本文首先讨论了理想RFF应具备的四种基本特性,即唯一性、时不变性、独立性和稳健性,分析了在四种基本特性方面的研究现状.然后按照信号预处理、特征提取和分类识别三个部分,对RFF识别相关技术进行了总结,重点分析了射频独特原生属性(RF-distinct native attribute,RF-DNA)、调制域和基于深度学习的RFF识别方法.最后,对RFF识别研究中涉及到的各种信号类型/调制方式及对应的应用场景进行了总结,展示了RFF识别的广阔应用前景,并对RFF识别的研究趋势进行了讨论. 相似文献
12.
研究了基于通信辐射源射频指纹(RFF)的同类型设备分类识别理论,通过提取通信信号的围线积分双谱值来作为设备个体识别的特征向量,使用支持向量机(SVM)分类器进行识别.构建辐射源识别系统,并使用实测信号进行仿真测试.结果显示该方法具有稳定的识别效果,且在信噪比(SNR)为-22 dB时,系统可以达到接近90%的分类识别准... 相似文献
13.
基于无线设备物理层的射频指纹识别是保障通信安全的有效途径。传统射频特征提取方法容易受到信道的信噪比变化的干扰,难以适应动态信噪比下的通信场景。因此,本文提出了一种基于卷积神经网络的射频指纹识别方法,实现了动态信噪比下的射频指纹识别,显著改善了低信噪比下的识别准确率。本文通过搭建实验系统对4台不同功放设备进行识别,实验结果表明,在信噪比为0.5~14.5 dB范围内,该方法的综合识别率达89.4%。 相似文献
14.
针对通信信号调制识别的特征提取问题,为进一步提高识别准确率,提出了一种基于嵌套式跳跃连接结构的残差网络(ResNet of Nested Shortcut Connection Structure,ResNet_NSCS)调制识别算法。该算法在残差神经网络(Residual Neural Network,ResNet)基础上,通过借鉴ResNet多通路选择思路,引入嵌套式恒等跳跃连接结构,利用提取的特征实现不同调制方式的分类。仿真结果表明,面向RadioML2016.10a数据集,较卷积神经网络(Convolutional Neural Network,CNN)算法和卷积神经网络_长短时记忆网络(Convolutional Neural Network_Long Short Term Memory Network,CNN_LSTM)算法,以增加网络复杂度为代价,ResNet_NSCS算法收敛速度快,识别准确率高。 相似文献
15.
为了实现对采摘后的果实进行快速、精确的外观品质分类,并配合分拣生产线完成果实大规模集中分拣,该研究提出了一种基于改进ResNet的果实分类方法。首先,将深度残差神经网络(deep residual neural network,ResNet)网络中的残差模块与双通道SE模块(dual channel squeeze-and-excitation block,DC-SE Block)结合,增强有效的通道特征并抑制低效或无效的通道特征,提高特征图的表达能力,从而提升识别精度;其次,在原始ResNet模型中加入Inception模块,将果实不同尺度的特征进行融合,增强对较小缺陷的识别能力;最后,对收集到的4类不同外观品质的果实图像进行数据增强并利用迁移学习的方法对模型进行初始化。以苹果为例进行的试验结果表明:经过数据集训练之后的改进模型,在测试集下的准确率达到99.7%,高于原模型的98.5%;精确率达到99.7%,高于原模型的98.3%;召回率达到99.7%,高于原模型的98.7%;在图形处理器(graphic processing unit,GPU)下的平均检测速度达到32.3帧/s,略低于原模型的35.7帧/s。与GoogleNet、MobileNet等几种目前先进的分类方法进行比较并对不同改进模型进行对比试验的结果表明,该方法具有良好的分类性能,对解决果实外观品质的精准分级问题具有重要参考价值。 相似文献
16.
传统的矩形积分双谱特征提取存在以下不足:第一是在以往的研究中没有讨论过积分路径个数对识别率的影响;第二是在矩形积分双谱算法中存在着部分积分路径对识别效果贡献不足、甚至带来负作用的缺点。为克服这些问题,本文提出了一种基于改进双谱和时域分析相结合的通信信号个体识别方法,首先通过实验得到了积分路径和识别率的性能曲线,选定最佳积分路径个数;其后利用最大能量区间比重算法剔除掉对识别效果贡献不足、具有负作用的积分路径;最后结合信号的时域特征并利用支持向量机分类器进行个体识别。本文用了在较低信噪比环境下的实际信号验证了提出算法,实验结果表明,该方法能够较好解决同类辐射源信号的个体识别问题,平均正确识别率高于95%。 相似文献
17.
针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM (long short term memory)和ResNet (residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率。在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%-20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0dB时对11种调制信号平均识别正确率达到92%,具有明显优势。 相似文献
18.
19.
无线局域网由于其开放的信道环境和传统的密钥身份验证机制,安全问题十分严峻。通过射频指纹识别技术,提取无线设备硬件特征进行身份验证,能够大大提高无线网络安全性。本文基于通用软件无线电外设(USRP)和GNU Radio开源平台,提取IEEE 802.11a/g信号载波频偏作为指纹,结合神经网络分类器进行识别。首先接收信号并提取每帧信号载波频偏,然后训练神经网络分类器,最后利用此分类器对无线设备进行识别。在办公室和体育馆2种典型室内环境进行无线设备个体识别实验,识别率均大于90%。实验结果说明,基于软件无线电提取信号载波频偏可以识别出不同的无线设备,检测出非法设备接入,能够提高无线网络安全性。 相似文献
20.
针对传统雷达信号识别方法无法有效进行识别类型扩展问题,该文提出一种基于知识蒸馏与注意力图的雷达信号识别方法。首先将雷达信号的平滑伪Wigner-Ville分布(SPWVD)作为输入;然后设计了基于残差网络的增量学习网络结构,利用基于知识蒸馏与注意力图的损失函数,缓解类别增量过程中的灾难性遗忘;最后采用基于样本特征均值距离的方法对数据集进行管理,有效降低存储资源占用空间。实验表明,该方法能在存储资源有限的情况下,对扩展分类的信号快速完成训练,且对原有分类和扩展分类信号均有良好的识别准确率。 相似文献