瑞利信道下小波包调制信号的识别研究

小波包调制是一种全新的多载波调制方式,该文主要研究在瑞利衰落信道条件下的小波包调制信号的识别。根据小波包调制信号的特点,首先用基于高阶混合矩联合信噪比估计的方法进行类间识别,然后利用反映功率谱包络变化的参数进行类内识别,实现对小波包调制信号的区分。仿真结果表明,该方法具有良好的识别性能。     

基于FRFT的小波包调制信号的识别研究

该文基于正交频分复用调制和小波包调制信号的调制原理,利用分数阶傅立叶变换的时频旋转特性,探讨了在高斯信道、瑞利信道和频率选择信道下小波包调制信号的识别.仿真实验结果表明,该方法具有良好的识别性能,不需要任何信道参数,能较好的实现盲信道的小波包调制识别.     

基于双谱估计的小波包调制信号识别研究

小波包调制是一种全新的多载波调制方式。根据小波包调制信号的非线性和二次相位耦合性特点,该文利用双谱分析方法,对小波包调制信号进行参数化双谱估计,并提取特征参量,实现对小波包调制信号的识别。仿真结果表明,该方法具有良好的识别性能。     

基于小波系数稀疏性的数字调制样式识别

采用小波变换提取信号突变点信息,根据归一化前后数字调制信号小波系数稀疏性的不同特点,提出两个稀疏度参数和一种利用信号稀疏特性的类间调制样式识别算法。仿真结果表明,在低信噪比时方法比传统小波变换方法具有更高的正确识别率,算法复杂度低,且不需要码元同步。     

基于高阶累积量的数字调制信号识别算法

介绍了一种基于高阶累积量的数字调制信号识别算法,利用从信号的二阶、四阶和六阶累积量中提取的3个特征参数实现多种常用数字调制信号的识别,可以很好地抑制高斯白噪声,且允许有相位偏差,能够在较低信噪比下实现对2ASK/BPSK、4ASK、QPSK、2FSK、4FSK、8FSK、16QAM等多种信号的分类。经理论推导和仿真实验,证实了该方法的有效性。     

类Haar小波与数字信号调制识别

调制识别在通信侦察和通信对抗中有着重要应用。为了利用小波变换进行数字调制的类型识别，提出了具有比Haar小波更好频率局域化特征的类Haar小波概念，从理论上论证了正弦型类Haar小波用于MPSK和MFSK信号调制识别的可行性，详细推导了小波系数幅度与相位跳变或频率跳变之间的关系，并对分类识别器进行了仿真。理论和仿真结果均表明，在一定信噪比条件下，正弦型类Haar小波不仅能用于通信信号的调制识别，且具有比Haar小波更好的抗噪性能。     

基于小波自相关的数字调制样式识别

提出一种小波变换与自相关结合的数字调制信号识别方法，先采用Haar小波对QAM、PSK和FSK信号分别进行离散小波变换，然后针对3种信号小波变换结果的特性分别求出它们的自相关函数，选取合适的门限对3种信号加以识别．该方法计算量少，信号功率对识别性能影响小，计算机仿真结果表明其快捷、有效。     

基于谱相关和分层结构神经网络的数字调制识别

本文提出了一种基于接收信号的谱相关函数和参数统计方法,提取出可用于数字调制信号识别的统计参数,该特征有效地抑制了高斯白噪声的影响,能实现对2ASK、4ASK、2FSK、4FSK、4PSK、8PSK等六种数字调制信号的识别。分类器采用了分层结构的神经网络分类器,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5dB时,系统的正确识别率可达95%以上。     

基于高阶累积量的数字调制信号识别算法

介绍了一种基于高阶累积量的数字调制信号识别算法,利用从信号的二阶、四阶和六阶累积量中提取的3个特征参数实现多种常用数字调制信号的识别,可以很好地抑制高斯白噪声,且允许有相位偏差,能够在较低信噪比下实现对2ASK/BPSK、4ASK、QPSK、2FSK、4FSK、8FSK、16QAM等多种信号的分类。经理论推导和仿真实验,证实了该方法的有效性。     

基于自相关特性的WPM与OFDM的识别研究

该文基于小波包调制和正交频分复用调制信号的结构特征,利用接收信号的自相关特性,探讨了在加性高斯白噪声信道、瑞利信道和频率选择性信道下小波包调制和正交频分复用调制的分类识别。仿真结果表明,该方法简单,具有较好的识别效果。     

基于时频混合矩的小波调制信号识别

小波调制信号是一种特殊的调制信号,该文基于小波调制信号独特的时频特征,利用自适应优化核时频分布方法,探讨基于时频混合矩的多载波调制信号的识别。仿真表明,该方法不仅能将小波调制与OFDM信号进行分类,同时还能对不同调制级的小波调制信号进行分类。     

基于信道识别的WPM解调性能改善研究

小波包调制的主要优势是其调制结构以及解调策略上的灵活性。该文利用小波包调制多速率传输特性,通过信道识别,采用联合估计的方法,探讨了小波包调制系统在不同信道中的性能改善问题。仿真结果表明该方法明显提高了小波包调制系统在不同信道中的传输性能以及抗干扰能力。     

含有导频的OFDM信号子载波的调制方式识别方法

针对多径信道下含有导频的正交频分复用(OFDM)信号子载波调制方式难识别的问题,提出一种含有导频的OFDM信号子载波调制方式识别方法.该方法在OFDM信号的等效模型下,首先利用高阶累积量的组合特征识别出OFDM信号中的空子载波信号和纯导频子载波信号,然后利用两个基于矢量图最小环带模值方差的特征对提取出来的受导频影响较小的调制子载波信号进行调制方式的识别.仿真结果表明,该方法在多径信道下是有效可行的.     

基于小波分析和BP神经网络的图像特征提取

提出一种基于小波分析与神经网络复合模型的图像特征提取方法.利用二维离散小波变换对图像信号进行滤波和边缘提取,作为图像的输入量供BP网络识别分析.构建了3层BP神经网络模型对图像特征进行识别,采用模糊加权算子的模糊化分层,特征提取模板提取图像中的不同特征,输出层采用均方差权值输出.通过对由50幅图像组成的训练集合进行训练和实验验证,结果表明,本方法的分辩误差率在4%以内.