共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
利用接收信号的高阶累积量为特征参数,实现了对多种常用数字调制信号(2ASK/BPSK,4ASK,QPSK,8PSK,2FSK,4FSK)的分类识别.由于信号六阶以上累积量的计算过于复杂,在选取特征参数方面主要利用信号的二、四阶累积量.8PSK与MFSK信号的二、四、六阶累积量的值均相同,直接计算无法区别.针对这一问题,首先对8PSK和MFSK信号求微分再利用四阶累积量来进行识别.实验证明,所提取的特征能够有效抑制高斯白噪声的影响,并且计算简单,便于实现.当信噪比为8 dB时,识别率基本达到100%.与已有算法的比较,结果证明了该算法的优越性. 相似文献
3.
通信信号的调制类型识别在非协作通信中具有重要研究意义。针对卫星通信中调制方式不断向高阶发展的情况,提出了一种对高阶数字调相信号的调制方式自动识别算法。该算法利用四阶以及更高阶的信号累积量和高阶信号的相位分布特征来提取出信号的特征参数,对QPSK, 8PSK , 16APSK和32 APSK 四种调制方式进行了有效区分。文中给出了接收信号的处理流程图,并对算法进行了仿真。理论和仿真结果都表明,这种算法对信号的相位偏差具有不变性,同时对加性高斯噪声也不敏感,具有一定的稳健性,在特定的数据长度和较低信噪比条件下,可得到很高的识别率(>95%)。 相似文献
4.
5.
6.
调制识别作为处理信号的基础,将围绕QPSK,8PSK,16QAM三种调制类型的单信号和同频同调制的混合信号展开研究.通过分析信号的高阶累积量特征和四次方谱线特征,对单信号和混合信号进行区分,并将信号的调制方式进行高效识别.针对信噪比和幅度比对识别算法性能的影响,进行了一系列的仿真试验,算法简单可行,对信号参数要求较低,具有工程应用前景.通过仿真实验发现,在信噪比大于5 dB时,该算法的准确识别率可达到95%. 相似文献
7.
8.
针对非协作通信条件下信号调制方式识别问题,提出了一种基于深度神经网络的调制方式自动识别新方法。该方法对接收到的信号进行预处理,生成星座图,并将星座图形状作为深度卷积神经网络的输入,根据训练好的网络模型对调制信号进行分类识别。与以往的识别方法相比,该方法利用卷积神经网络自动学习各种数字调制信号的星座图特征,克服了特征提取困难,通用性不强,抗噪声性能差等缺点,处理流程简单,并对星座图的形变具有不敏感性。针对4QAM、16QAM和64QAM三种典型的数字调制方式,进行了仿真实验,当信噪比大于4时,调制方式的识别正确率大于95%,实验结果表明,基于深度卷积神经网络的信号调制方式识别方法是有效的。 相似文献
9.
通信信号调制方式自动识别在信号检测、威胁分析、频谱监测等领域有着重要的地位,是非合作通信关注的关键技术.针对单一累积量调制信号识别有限且识别率低等问题,利用信号的二、四、六阶累积量特征所构造的矢量集,实现了MASK、MPSK、MFSK、MQAM四类信号的类间识别,以及2ASK、4ASK、8ASK,2PSK、4PSK、8PSK,2FSK、4FSK、8FSK,4QAM、16QAM、64QAM的类内识别.在Matlab环境下进行了仿真实验,实验结果表明,该方法在信噪比大于5 dB时可以达到90%以上的识别率. 相似文献
10.
11.
12.
13.
14.
BP网络广泛应用于多信号调制样式识别,但普通BP网络存在隐层数目难以确定、收敛速度慢、容易陷入局部最小等缺点.为了克服上述缺点,仿真研究了一种基于知识人工神经网络(KBANN)的信号调制样式识别算法.首先将C4.5算法引入信号特征参数的阈值分割,根据输出的决策树构造出具有决策树特征的拓扑结构,然后使用共轭梯度学习算法提高BP网络的收敛性能.仿真结果表明,与普通BP网络相比,基于知识神经网络的识别算法网络的结构易于实现、能有效改善网络收敛,并提高低信噪比下的正确识别率,为利用神经网络进行调制识别提供了新的思路. 相似文献
15.
基于神经网络的软件无线电信号的调制识别 总被引:3,自引:2,他引:1
对接收信号的调制类型进行自动识别,对于软件无线电这类多模式通信系统非常重要。它使得系统可以自动切换到合适的软件解调程序,从而能使系统更具灵活性和适应能力。提出了一种基于神经网络方法的分类算法来解决此问题。实验结果表明,在信噪比为5db时,正确的识别率不低于98%。 相似文献
16.
17.
声音信号包含着很多的信息量,且获取比较方便.近年来,声音识别技术被广泛应用于各个领域,有着重要的意义.本文主要介绍了小波理论和BP神经网络识别算法.通过对采集到的不同类型车辆的声音信号进行分析和预处理,采用小波变换提取低维的特征参数,构建并成功训练一个三层BP神经网络,从而有效地识别出了车型. 相似文献
18.
19.
对未知的无线电信号的调制类型进行在线自动识别在军事对抗和频谱监控中有着非常重要的意义。提出了一种在线进行调制识别的系统模型,并给出一种基于神经网络的快速收敛分类器算法。仿真结果证实了该种方法的有效性。 相似文献