利用小波脊线实现数字调制信号的自动识别

针对含基带脉冲成形滤波的数字调制信号的自动识别,研究了小波脊理论在其中的应用.理论分析表明,不同调制类型的数字信号经过连续小波变换后,会在时频平面上呈现出不同的脊线特征,利用这些特征能够有效识别信号调制类型.在小波脊原理的基础上,还进一步推导出选择Morlet小波参数的标准以及信号的规格要求.实际信号的测试证明了该方法的有效性和可行性.     

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。     

基于BP神经网络的数字调制信号样式自动识别

针对2ASK，4ASK，2FSK，4FSK，BPSK和QPSK六种数字调制信号，给出了对他们进行识别的5种特征参数的定义，提出了基于BP神经网络利用较少样本分3步进行训练，来实现对数字信号调制样式自动识别的方法，最后得到了在信噪比≥8dB时较高的正确识别率。     

基于瞬时特征和BP神经网络的数字调制信号自动识别及实现

在非协作通信环境下,针对2ASK、4ASK、2FSK、4FSK、BPSK、QPSK六种常规数字调制信号,采用了基于瞬时统计特征的信号自动分类算法对上述六种信号进行分类识别。仿真结果表明,该算法在信噪比大于15dB时,总体识别率高于90%;随着信噪比减小,信号识别率下降明显。当信噪比低于5dB时,信号识别率不足60%。为提高低信噪比下信号识别率,进一步引入BP神经网络作为分类器,采用自适应学习速率梯度下降法训练神经网络,设计了基于BP神经网络的数字调制信号自动识别方案。最后在软件无线电设备NI-USRP 2920上实现了该方案,并验证了性能。实测结果表明,六种数字调制信号正确识别率均高于91%。     

利用参数统计方法自动识别数字调制信号

自动调制方式识别应用范围广泛，对于军用软件无线电侦察接收机更具有十分重要的意义。本文提出了一种基于统计参数识别信号类型的新方法，在满足SNR≥10dB的条件下，可正确识别2ASK、M－AM、QAM、PSK、FSK等五种信号。仿真试验表明：计算简单，识别效果良好。     

数字调制信号的自动识别

给出了一种基于信号瞬时特征参数进行快速分析的算法,即小波滤波后瞬时幅度算法。该算法通过提取信号瞬时参数来计算信号的特征参数,并与门限值进行比较以识别信号类型,因而具有算法简单、运算速度快等特点;文中通过MATLAB仿真验证了该方法的有效性和可靠性：同时给出了从噪声中识别数字调制信号的应用实例。     

数字调制信号的自动识别

由于多调制的存在,对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式,因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一.文中研究了8种常用数字调制信号识别的特征参数集,并采用决策树判别方法进行分类识别.仿真结果表明,在SNR≥10dB时,识别正确率在99%以上.其特点是,算法简单,识别正确率高,达到了自动分类识别的目的,并有利于实现识别的实时化.     

自动识别信号PRF调制的新方法

对信号脉冲重复频率(PRF)的调制样式进行自动识别是信息处理领域的关键技术之一.为解决PRF调制识别算法识别样式有限、准确率低等问题,以雷达信号为例,提出了一种新的识别算法.对接收到的信号序列分别提取比值特征、比重特征、频率特征和形状特征4个参数.基于径向基概率神经网络,实现对多种信号PRF调制样式的自动识别.仿真结果表明:在脉冲丢失率和脉冲虚警率均为10%的情况下,利用该方法可以得到最低为90%的识别准确率,能够满足当前的电磁环境,具有一定的工程参考价值.     

数字通信信号调制方式自动识别研究

对基于功率谱的数字信号调制参数判决法在调制模式识别中的应用进行了研究与分析。首先简要介绍了调制方式识别的意义,然后对信号的频谱特征进行了分析与研究,在此基础上讨论了可用于进行调制方式识别的特征参数的提取与信号识别实现。     

卫星数字调制混合信号的自动识别

针对卫星数字混合信号的特征,提出了在载波速率和符号速率初判基础上的自动识别方案.该方案利用数字混合信号与常用数字调制信号在信号频谱以及星座点的差异提取特征参数进行自动识别.仿真结果表明,该方案具备实用性和可行性.     

信号调制制式自动识别算法的改进

在现代通信系统中．信号调制制式的识别尤为重要。这里介绍一种基于决策理论的识别算法该算法根据信号幅度．相位和频率的统计特征构造判别参量以区分不同的信号制式。本文在原算法的基础上．改进了判别参量的计算方法．修改了判决门限及判决流程．使得信号识别性能有较大的改进。仿真的结果表明当信噪比大于2dB时，识别成功率达到了99％以上。     

利用多层神经网络实现手写体邮政编码的自动识别

利用多层神经网络实现手写体邮政编码的自动识别岳祖洲，刘志英，陈文毅（山东大学光电子信息工程系，济南２５０１００）神经网络具有信息的分布式存储、并行性处理及容错性等特点，它为解决一些传统的模式识别方法所难以解决的问题开辟了一条新的途径。手写体邮政编码的...     

OFDM信号调制类型的自动识别研究

对OFDM系统通常采用的MPSK/MQAM信号调制类型的自动识别进行了研究。设计了一种基于重建星座图的分类器,将样本集映射为若干个与调制阶数一一对应的具有单峰性质的子集,通过子集的个数和单峰中心位置判定调制阶数及其调制方式。仿真结果表明,该分类器能够有效地识别OFDM信号的调制类型。     

短波信号调制方式自动识别方法研究

通过对日常监测工作中常见短波信号的类型及特征进行分析,研究了短波信号调制方式的特征提取方法,提取基于高阶累积量及小波变换等方法的特征参数,并建立基于判决理论的短波信号调制识别流程。仿真结果表明,该算法在较低信噪比条件下依然能够取得较高识别率,有一定的实用价值。     

短波信号调制方式自动识别方法分析

根据作者多年的短波监测工作经验,结合当前我国短波信号调制方式自动识别的方法,介绍短波信号自动识别的现状,对自动调制识别技术以及常见短波信号的调制方式进行论述,最后介绍了对短波信号特征参数提取及识别的流程。     

基于谱分析的通信信号调制方式自动识别

本文研究基于谱分析的通信信号调制方式自动识别 ,首次提出了瞬时频率归一化分布和AWGN因子等一组鲁棒性强的特征参数。在不需要先验知识的情况下 ,对加性高斯白噪声 (AWGN)信道中常用通信信号BPSK ,QPSK ,OQPSK ,π/4QPSK ,MSK ,FSK ,FM ,CW进行识别 ;仿真结果表明 :总体识别率达 95 %以上 ,证明该方案是有效实用的     

基于模糊分类的调制信号自动识别方法

本文研究了一种基于模糊分类的调制信号识别方法,即提取信号时域、频域、功率谱等统计特性,利用模糊分类器进行分类识别。计算机仿真试验表明,该方法在较低信噪比下也能正确识别,且不需要信噪比、载频和码元速率等任何先验信息。