共查询到16条相似文献,搜索用时 46 毫秒
1.
模拟信号调制方式自动识别仿真 总被引:1,自引:1,他引:1
信号调制方式的自动识别足未来软件无线电必须具备的功能之一;以决策理论为基础,介绍了模拟调制信号特征参数的提取、判决门限的确定以及调制方式的判决流程;系统的仿真结果表明,在信噪比SNR=5dB时,基于决策理论的识别方法已具备一定的识别能力,能够较好的识别除VSB之外的其余调制类型;随着信噪比的提高,调制方式的正确识别概率也不断提高;当8NR=10dB时,正确识别概率已经全部达到90%以上。 相似文献
2.
3.
5.
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
6.
7.
8.
为有效解决通信信号自动调制识别的调制类型识别率低和调制强度识别误差高的问题,研究了基于多端CNN的通信信号自动调制识别方法。根据不同类型调制方法的作用原理,设置通信信号调制识别标准。考虑通信信号的传输过程,构建通信信号模型,利用带通采样工具采集初始通信信号,通过小波消噪、归一化等步骤,完成初始信号的预处理。利用多端CNN算法构建通信信号识别器,提取幅值、相位、频率等通信信号特征参数,通过特征匹配得出信号调制类型与强度的识别结果,实现通信信号自动调制识别。通过与传统识别方法的对比得出结论:综合考虑有、无干扰两种类型的通信信号,优化设计识别方法的调制类型识别率提高了49.6%,调制强度识别误差降低了约0.0285。 相似文献
9.
文章介绍了一种新的MPSK信号识别方法,该方法基于信号星座图旋转和同相分量的四阶累积量,通过傅立叶级数展开提取了一组特征向量送入神经网络分类器进行分类识别。仿真结果表明该方法识别正确率高、信噪比要求低。 相似文献
10.
正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术广泛应用在各类通信系统中。信号调制方式识别对于OFDM技术十分重要,特别是在非合作通信系统中。传统的信号调制方式识别精度不高,且没有研究信噪比为0 dB以下的情况。对此,将OFDM信号看成2×N的图像,保存I、Q两路信号在空间上的特性,设计包含3个卷积层、3个全连接层的深度卷积神经网络(Convolutional Neural Networks,CNN)。将收敛后的模型用于调制方式分类,实验结果表明,所设计的深度神经网络对6种OFDM信号具有很好的识别效果。 相似文献
11.
近年来,卫星测控链路中大量使用了0QPSK、UQPSK的调制方式。从而,提出了如何区分这两种调制方式与BPSK、QPSK信号的课题。本文借助仿真工具MATIAB分析了这四种信号的二倍频、四倍频频谱特性,并对区分这四种信号的方法进行了初撂。 相似文献
12.
13.
14.
本文介绍了以前的印鉴自动识别系统中所采用的各种模式识别方法,分析了这些方法各自的特点及局限性,并对这些方法进行了分类和比较,最后提出了一种更有效的模式识别方法。 相似文献
15.
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
16.
序列图像编码的自动识别 总被引:2,自引:0,他引:2
目标的识别与匹配一直是完成图像测量和跟踪技术的关键。用图像编码的方法,可实现多幅图像中的测量点的识别与匹配,并进一步实现整个测量过程的自动化。其核心思想是对测量点进行编码加载信息,然后在多幅图像中对编码信息进行提取与识别,在确定这些点的位置信息和属性信息后即可实现识别与匹配。实验表明:该编码能在复杂的背景中被有效地识别,其识别与匹配正确率高、速度快,并且该编码方法也可以应用在测量系统的自动标定、移动目标的快速跟踪等多种场合。 相似文献