小波分析与最小二乘支撑矢量机在调制识别中的应用

自动调制识别是通信对抗及软件无线电等领域的一个重要研究课题。本文提出了一种使用小波分析与最小二乘支撑矢量机,对数字调制信号的识别方法。首先对接收到的信号进行小波去噪,然后提取其小波包分解系数模值的标准方差作为识别的特征参数．利用最小二乘支撑矢量机为分类器,对2ASK,4ASK,2PSK．4PSK．8PSK．4QAM,16QAM．2FSK和4FSK九类数字信号进行分类识别。计算机仿真结果表明该方法有效．在信噪比为0dB时正确识别率达到99．01％。     

干扰环境下的信号调制识别

针对干扰环境提出了一种基于独立成分分析(ICA)和支持矢量机(SVM)的通信信号调制识别算法。算法利用多天线接收技术,采用独立成分分析方法寻求观测样本矢量的统计独立分量,设计了以二值支持矢量机(SVM)为基础的多值分类器,该算法具有较高的训练速度和较好的分类性能。仿真表明,当信干比大于10 dB、移动速度小于12 m/s时,算法的总体正确识别率超过0.9。干扰环境下的信号调制识别研究具有较重要的实际工程应用意义。     

基于支撑矢量机的调制制式识别算法

调制制式识别是信号自适应传输系统中的一项重要技术。研究表明，传统调制制式识别在训练样本有限情况下性能不佳。而基于支撑矢量机的调制分类器采用结构风险最小化原则，在样本有限情况下仍能达到较好性能。通过分析和研究，首次提出结合高阶累积量和多尺度小波分解两种特征的调制制式识别算法。该算法结合高阶累积量对调相信号以及小波特征量对多载波信号识别的突出优点，实现了多种信号的一步识别。通过对该算法在多种常见信号上的应用进行分析和仿真，证明其性能优于传统调制制式识别算法。     

一种新的多类模式识别方法

提出了一种基于支撑向量机的多类分类器,用N-1个支撑向量机组合构成一个具有二叉树结构形式的N-多类分类器．讨论了该多类分类器的泛化推广能力,同时还提出了该多类分类器的基于特征空间的BTSVM学习算法,BTSVM算法使用核函数转换的方式计算特征空间的样本距离;采用类间最小距离最大化作为聚类准则,在每个决策结点产生两个最优子集;然后采用支撑向量机学习算法学习两个最优子集,确定决策结点的最优分类面．理论和实验结果表明,本文提出的基于支撑向量机的多类分类器在整体性能上要优于其它类似的分类器系统。     

利用决策树和神经网络对AWGN信道下的综合调制识别

针对现有数字调制中多种调制类型混合时的调制识别问题,结合目前对单一调制类型识别各种方法,提出一种综合分类器来完成AWGN环境中的通信信号调制识别。该方法综合使用决策树和RBF神经网络,利用神经网络可以同时对多个特征参数进行非线性优化组合,得到的超曲面能够对整个特征空间进行较精细的分割,从而提高调制识别的整体性能。识别时以决策树为主,以RBF神经网络为辅,其识别效果良好。结果表明,复杂类型调制识别通过合理选择信号特征和分类器,优化识别方法,在一定程度上可以达到相应的识别要求。     

一种适用于低信噪比的数字调制方式识别方法

针对低信噪比平坦衰落信道,本文提出了一种有效的数字调制方式自动识别的方法,该方法主要采用的技术包括噪声功率估计、构造高维特征矢量、使用基于人工神经网络的分类器.噪声估计有效地抑制了噪声影响,高维特征矢量的应用提高了不同调制信号的区分度,基于人工神经网络的分类器可以实现对高维特征空间较复杂的划分.仿真结果表明该方法显著地提高了低信噪比条件下数字调制方式的正确识别概率.     

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。     

神经网络在调制识别的应用

通信信号的识别在军事对抗和频谱监控中有着十分重要的意义。目前已有的调制识别方法大体可以分为两类:基于特征提取的模式识别方法和最大似然判决方法。小波分析具有良好的局部显微特性、分形能够很好地刻画自相似性,将它们用于通信信号的特征提取有独特的优势。神经网络有着良好自学习、容错性和推广能力,适合用于调制样式识别的分类器。将小波分析、分形等特征提取算法与神经网络分类器进行结合,进行调制样式识别已经受到广泛关注。对这些方法进行了较为全面的阐述并分析了其性能。     

利用幅度特性对数字信号调制方式进行识别

数字调制方式的识别对于通信信号分析有着重要的作用。针对数字信号（2ASK,4ASK,2PSK,4PSK,2FSK和4FSK）的调制方式,本文提出了一种只利用调制信号瞬时幅度特性便可以对调制信号进行识别的新算法,利用特征参数提取与决策树分类器结合对以上6种数字信号进行调制识别。首先提出了使用希尔伯特变换和解析函数对数字信...     

短波信道下的信号调制方式识别

针对短波信道条件下的通信信号调制识别问题,提取了以信号功率谱的各种特征为主要特征参数,使用判决树分类器,对基于Watterson信道模型下的九类常用短波信号进行调制识别.仿真结果表明,所选取的特征参数具有很好的稳健性,在中等短波信道且在低信噪比条件下有较高的正确识别率,且方法简单便于工程实现.     

基于HHT和支持向量机的数字调制信号识别

提出了一种基于HHT和支持向量机的实际数字调制信号识别算法。首先介绍了HHT方法的基本原理，对三种数字调制信号进行分析，提出用于识别实际FSK，PSK和QAM信号的特征参数，然后运用支持向量机算法分类三种数字调制信号，仿真结果表明，在信噪比10dB时，识别率达95％以上。     

基于多重分形特征的通信调制方式识别研究

该文提出一种基于多重分形特征的数字通信信号调制方式识别新方法。对接收信号进行去噪预处理,基于2维数据阵列求取信号的广义维数和多重分形谱;详细讨论了权重因子q对多重分形谱的影响,提取了13个多重分形特征参数;设计了基于多重分形特征的支持向量机分类器对不同信号进行调制方式识别。仿真结果表明,该算法在低信噪比情况下具有很好的识别性能。     

Automatic modulation classification of noise-like radar intrapulse signals using cascade classifier

Automatic modulation classification is essential in radar emitter identification. We propose a cascade classifier by combining a support vector machine (SVM) and convolutional neural network (CNN), considering that noise might be taken as radar signals. First, the SVM distinguishes noise signals by the main ridge slice feature of signals. Second, the complex envelope features of the predicted radar signals are extracted and placed into a designed CNN, where a modulation classification task is performed. Simulation results show that the SVM-CNN can effectively distinguish radar signals from noise. The overall probability of successful recognition (PSR) of modulation is 98.52% at 20 dB and 82.27% at −2 dB with low computation costs. Furthermore, we found that the accuracy of intermediate frequency estimation significantly affects the PSR. This study shows the possibility of training a classifier using complex envelope features. What the proposed CNN has learned can be interpreted as an equivalent matched filter consisting of a series of small filters that can provide different responses determined by envelope features.     

基于环形统计量和支持向量机的CPM信号调制识别

频率成形脉冲是CPM信号调制相位的度量,也是信号解调必需的调制参数,包括脉冲形状和关联长度。本文提出一种基于环形统计量和支持向量机(Support Vector Machines, SVM)的CPM信号调制识别技术。首先将基带采样信号的瞬时频率看作环形分布的随机变量,计算瞬时频率的三角矩;然后提取其统计量作为分类特征;最后利用支持向量机,实现了不同频率成形脉冲CPM信号的识别。仿真结果表明,该方法可以实现在不同调制参数类型情况下任意脉冲成形CPM信号的识别。仿真结果中给出了包括多指数CPM信号在内的,不同频率成形脉冲CPM信号间的识别率。由于本文采用基于SVM的分类器,不依赖于信噪比条件,因此具有很高的分类性能和良好的稳健性。      

数字调制信号制式识别新方法

通过分析数字调制信号功率谱及高阶谱特征,对高阶谱的求取方法作了改进,并在此基础上提出新的特征参数,结合瞬时统计特征,采用支持向量机分类器,实现了AWGN信道下数字通信信号的制式自动识别.仿真表明,所提取的特征参数具有较好的抗噪性能,对调制参数的变化具有稳健性.考虑脉冲成形的影响,在信噪比大于12 dB时,单种信号最低正确识别率大于98.5％,平均识别率达99.5％以上.     

基于支持向量机的数字调制识别算法

在非协作通信中,需要对接收的信号进行调制方式的自动识别.在高阶累积量城内构造信号识别的特征向量,采用基于二又树的支持向量机将识别特征向量映射到高维空间并构造最优分类超平面,实现对数字调制信号的自动识别.该算法不仅结构简单、计算量小,而且解决了样本在低维空间中的不可分问题,具有良好的泛化推广能力.理论分析和仿真结果证明了...     

基于瞬时信息的数字调制模式自动识别

根据数字信号的特点,提出了一种新的通信信号调制模式自动识别算法。该算法从待识别信号的瞬时信息中提取七个分类特征参数,并以支持向量机作为分类器,用于识别12种数字信号。仿真结果证明,当信噪比大于10dB时,算法的正确识别率达到98%以上,且算法简单、计算量小,有利于识别的实时性。     

A UNIVERSAL RECEIVER STRUCTURE FOR MDPSK SIGNALS

In this letter,a universal receiver structure with modu7lation classification and synchronization recovery for MDPSK signal is presented.The universal timing estimation algorith for M-ary DPSK signals is proposed to estimaate the best symbol timing.An identification algorithm based on fourth-order cumulants of signal is used to identify the modulation scheme of the signal.Numerical results of the preformance of the proposed receiver are given.     

突发自适应调制信号的调制识别算法研究

针对突发自适应调制信号中的PSK和QAM调制方式识别问题,本文提出了一种能够识别BPSK、QPSK、8PSK以及16QAM、32QAM、64QAM、128QAM、256QAM八种信号类型的盲识别算法。该算法首先对信号的循环平稳性进行了分析和讨论,给出了利用循环高阶累积量的特征实现信号识别分类的理论依据。然后,提出了三种基于循环累积量的特征分别实现了QAM和PSK类间识别、MPSK类内识别以及方形QAM与十字形QAM的识别。最后通过对MQAM信号的瞬时幅度分布特性的深入研究和分析,提出了一种基于瞬时包络平方的方差的特征实现了QAM的类内识别。该算法选择了二叉树支持向量机作为识别分类器,并设计了一种新的识别流程完成了对上述信号调制方式的识别。该算法无需精确同步,对载波相位具有较好的鲁棒性,并能够对中频信号进行识别。仿真实验表明,该算法能够实现在较低信噪比条件下突发信号的识别。