利用高阶累积量实现数字调制信号的自动识别

通信信号的自动调制识别在截获信号处理方面是一个十分重要的课题。本文针对数字调制信号的识别问题,提出了一种基于高阶累积量的分类特征,该特征有效地抑制高斯白噪声的影响,能实现对2ASK、4ASK、4PSK、2FSK、4FSK等五种数字调制信号的识别。论文进行了理论推导,并用仿真实验和实际采集数据进行了验证。     

利用高阶累积量实现数字调制信号的识别

文中提出一种基于高阶累积量识别多种数字调制信号的算法。首先推导计算各信号的八阶累积量,从二、八阶累积量中提取一个特征参数,实现以更少参数识别更多信号的目的;然后,为提高MFSK的识别率,从微分后MFSK信号的四、六阶累积量中提取一个特征参数完成识别。仿真结果显示,通过利用这两个参数可以实现2 ASK/BPSK、4 ASK、8 ASK、QPSK、8 PSK、2 FSK、4 FSK、8 FSK、16 QAM、64 QAM等多种数字调制信号的识别。     

利用高阶累积量实现OFDM信号的调制识别

针对OFDM系统中信号的调制方式，提出一种基于高阶累积量的算法。该算法可以有效地抑制高斯噪声，实现OFDM信号调制方式的识别。文章给出了理论分析和计算机仿真。结果说明算法的性能稳定，复杂度低，具有较高的识别率。     

基于高阶累积量实现数字调相信号调制识别

给出了基于高阶累积量进行多进制数字相位调制(MPSK)信号调制识别的特征值构造方法,对该特征值抑制多径干扰能力进行了理论分析,证明累积量阶数越高抑制多径干扰的性能越好。推导出基于6阶累积量进行MPSK信号调制识别的特征值公式,并给出具体分类方法,对4阶和6阶累积量调制识别性能进行了分析比较。计算机仿真试验证明:多径信道时,6阶累积量分类特征值优于4阶;当符号信噪比低于0 dB时,4阶累积量分类特征值优于6阶。     

基于高阶累积量的数字调制信号检测与识别方法

通信信号调制方式识别在信号检测、频谱监测等领域有着重要的地位,是非合作通信的关键技术。本文利用信号的四阶、六阶、八阶累积量构造多个特征参数,实现了2ASK、2FSK、BPSK、QPSK、16QAM和OFDM六种常用数字信号调制方式的识别。在MATLAB环境下进行了仿真实验,实验结果表明,该方法在0dB信噪比下可以实现有效识别。     

基于高阶累积量的OFDM信号调制识别技术

为解决非合作通信系统中OFDM（Orthogonal Frequency Division Multiplexing正交频分复用技术）信号的调制识别问题,提出一种基于四阶累积量的OFDM信号调制识别新方法。该方法利用OFDM信号时域包络具有渐近高斯性的特点,对已有基于累积量的识别方法进行改进,通过计算截获信号的复中频信号模值的四阶累积量,提取OFDM信号与单载波信号的分类特征量,对OFDM调制信号进行识别。该算法与已有的基于累积量的识别方法相比,计算量大大减小,且具有较好的识别效果。仿真实验表明SNR高于-2dB时,正确识别率大于99%,证明了该算法的有效性。     

基于高阶累积量和神经网络的数字调制识别

针对数字调制信号的识别问题,提出了一种基于高阶累积量的分类特征,该特征有效地抑制高斯白噪声的影响,能实现对2ASK、4ASK、4PSK、2FSK、4FSK等五种数字调制信号的识别。分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方面都有很大改进。仿真结果表明,在信噪比大于7 dB时,系统的正确识别率可达95%以上。     

运用高阶累积量和SVM的调制自动识别

针对数字信号调制模式识别问题,提出了运用高阶累积量和二叉树支持向量机（SVM）进行自动识别的算法。该算法首先使用信号的四阶、六阶、八阶累积量构造了5个新的分类特征,然后利用二叉树支持向量机分类器实现了8种信号的有效分类。仿真结果表明,该算法优于直接多类分类支持向量机算法,在信噪比大于5 dB时,识别率达到90%以上。     

基于高阶累量的改进的FSK数字调制方式识别算法

提出了修正的Rife算法与高阶累积量相结合的FSK调试方式的识别算法,该算法在不需要先验知识的情况下对FSK数字调制样式进行自动识别。通过计算机Monte—Carlo模拟实验表明,当信噪比为5dB以上时,该方法FSK类内调制类型的识别正确率可达93％以上,识别正确率比较高。     

基于高阶累积量的调制识别技术的研究

信息化背景下,计算机、信息技术在社会各领域得到了广泛应用,其中信号调制识别作为截获信号处理的一项基础性技术,能够突破复杂环境、噪声的干扰,确定出信号调制方式及参数,从而提高信号处理有效性,确保信息传输准确性。面对愈发复杂的空间环境,积极引入调制识别技术,不仅能够提高信号处理有效性,且能够增强反应效率。文章从高阶累积量及调制识别技术入手,从MPSK、MASK及MQAM三个角度对调制识别技术进行分析,进行计算机仿真试验,以此来证实分类算法具有有效性,从而为我国通信领域发展提供更多技术支持。     

高阶累积量调制识别改进算法的FPGA实现

基于高阶累积量的数字调制信号识别算法在低信噪比环境下识别率较低。针对这一问题,提出了高阶累积量的改进算法,通过调整特征参数的判别顺序先识别出MASK信号的方式,取得了较好的效果。讨论了该算法的FPGA设计,并利用Virtex-4开发板对该设计进行硬件协同仿真测试。测试结果表明,该算法在低信噪比环境下对2ASK,4ASK,4PSK,16QAM信号的识别率有显著提高。在信噪比为4 dB时,对2ASK,4ASK信号的识别率分别为93.4%,100%。在信噪比为2 dB时,对4PSK,16QAM信号的识别率最高,达到了99.7%。     

基于高阶循环累积量的SQAM信号调制识别算法

该文利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征,提出了一种基于高阶循环累积量的调制识别算法,实现对SQAM信号分类。算法对载波频率偏差、时延和相位旋转具有稳健性,并可在多信号环境且存在载波频偏的情况下实现对感兴趣信号的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

低信噪比下数数字调制信号的自动识别

提出了一种基于谱特征和高阶累积量的数字通信信号自动调制识别新方法。该方案从接收信号中提取一组稳健性强的特征参数,具有计算简单,无需先验信息,同时具有较好的噪声抑制等特点,能在低信噪比情况下快速有效的进行调制信号的自动识别。仿真结果表明,在信噪比SNR大于3dB时总体识别率在96%以上。该方案具有实用性和可行性。     

基于差分高阶累积量的pi／4-QPSK和8PSK调制样式识别算法

针对卫星通信中常用的数字调相信号pi／4-QpSK、8PSK的调制识别问题，提出了一种基于信号差分高阶累积童的识别算法，该算法利用信号差分的四阶和八阶累积量特征对pi／4-QPSK、8PSK信号进行识别。文章从理论上分析了的该算法的有效性，并通过计算机仿真验证了算法具有良好的性能。     

基于高阶累量的数字调制方式识别

数字通信调制方式识别一直是信号截获处理方面的热点课题,是信号筛选和解调的基础,在通信对抗中意义重大。本文提出了以接收信号的四、六阶累量为特征来识别数字调制信号,文中进行了理论推导,并做了仿真验证该方法的可行性,实现了对2A SK/2PSK、4A SK、8A SK、4PSK、8PSK、16SQAM等数字调制类型识别。     

基于高阶累积量的数字信号调制识别

基于高阶累积量方法,对28种数字调制信号的识别进行了研究。调制信号包括MASK、MPSK、MQAM,以及性能优化的高阶APSK信号、二维最优星座图信号,并计算给出128APSK、256APSK的特征参数理论值。首先计算各信号的二至八阶累积量,提取6个特征参数;然后根据不同信号特征参数的差异设计分类决策树;针对MASK、MQAM、MAPSK识别过程中部分特征量随SNR呈一定斜率变化的现象,进行基于SNR训练的阈值优化,大幅提高识别性能。     

基于高阶累积量和信号平方谱特征的复合调制信号盲识别

针对符合CCSDS(Consultative Committee for Space Data Systems,国际空间数据系统咨询委员会)标准的多种复合调制体制测控信号,本文在建立8类典型调制信号数学模型的基础上,分析了信号的频域和统计域特征,并基于高阶累积量和信号平方谱提取了4个特征参数.根据所提的特征参数,针对复...     

一种基于高阶累积量的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite-Second Generation,DVB-S2）中多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于高阶累积量的识别方法。首先对16QAM、32QAM、16APSK、32APSK信号的高阶累积量及其特征进行分析,进而利用其高阶累积量的不同提取用于信号分类的特征参量进行调制识别。给出了算法的详细流程,并对算法进行了仿真分析,结果表明,当样本数越多时,算法信噪比适应能力越好,而与相位偏差无关;在信号样点数为2 048点且信噪比为10 dB时,算法可实现96%的正确识别率,完全满足实际系统对信号分类的需要。     

基于高阶累积量和循环谱的信号调制方式混合识别算法

为了识别当前通信系统所采用的主要调制方式,该文结合高阶累积量和循环谱的特点,采用混合识别算法,同时应用智能决策算法(神经网络)对信号进行识别。该算法基于四阶和六阶高阶累积量构造出一个新的特征参数,将数字调制信号分为{BPSK, 2ASK}, {QPSK}, {2FSK, 4FSK}, {MSK}和{16QAM, 64QAM}5类。然后利用高阶累积量的其它特征参数以及循环谱特征对{OFDM}, {16QAM, 64QAM}, {2ASK, BPSK}及{2FSK, 4FSK}进行识别。为便于工程实现,该文采用半实物仿真以及LabVIEW和MATLAB混合编程来验证算法。仿真结果证明,该算法能够在较低信噪比下实现对{OFDM, BPSK, QPSK, 2ASK, 2FSK, 4FSK, MSK, 16QAM, 64QAM}等多种信号的分类,在信噪比高于 5 dB时,调制方式识别率可达94%以上,由此证明了该方法的有效性。     

高阶累积量和分形理论在信号调制识别中的应用研究

提出了将信号高阶累积量和分形盒维数相结合的特征提取方法。信号高阶累积量特征具有良好的抗噪性能,被广泛应用于调制识别。2ASK和BPSK的高阶累积量、以及2FSK,4FSK,8FSK的高阶累积量相等,使得只提取信号高阶累积量不足以区分信号。针对这一问题,引入信号的分形盒维数,提取信号的高阶累积量和分形盒维数构成联合特征参数,构建级联神经网络分类器,对信号进一步进行分类。对2ASK, 4ASK, BPSK, 4PSK, 2FSK, 4FSK, 16QAM七种信号进行了仿真,结果表明,该方法提取的特征参数计算复杂度低,具有较好的抗噪性能。在信噪比不低于5dB、测试样本数不少于200的条件下,正确识别率达到了85%以上。