基于小波和高阶累积量的数字调制识别算法

利用基于高阶累积量的数字调制识别算法对数字调制信号进行分类识别时,六阶及六阶以上累积量的计算过于复杂,且多进制频移键控(MFSK)与8PSK信号各阶累积量的值均相等,直接计算无法识别。针对此问题,提出了一种基于小波和高阶累积量相结合的分类算法,先对MFSK与8PSK信号进行小波变换,再利用四阶累积量进行识别。实验证明,利用该算法所提取的特征参数能有效抑制高斯白噪声,除了识别2ASK/BPSK,4ASK,2FSK,4FSK,QPSK,8PSK信号外,还可识别16QAM,并且计算量小,易于实现。当信噪比大于等于3dB时,总体识别率达到96%。与已有算法相比,仿真结果证明了该算法的优越性。     

基于高阶累积量的数字调制信号识别方法

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.     

基于高阶统计量和星座图的通信制式识别研究

针对实际工程中基于高阶累计量的调制方式识别方法对信噪比要求较高且对部分调制方式识别率低的问题, 本文提出了基于双谱分析和星座图相结合的一种新的调制方式识别方法。基于高阶累积量提取特征值,进一步对取得的累积 量特征值求傅里叶变换得到接收信号的双谱分析,对QPSK、OFDM和QAM调制信号进行分类识别,对于QAM调制中的 16QAM、32QAM和64QAM调制方式再依据星座图结果进行识别。通过实验数据表明,此调制方式识别方法识别率较高,高 阶谱分析对信噪比要求低。     

基于高阶累积量的数字调制信号识别

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.     

基于RBF神经网络的模拟数字信号调制识别

针对多种信号在低信噪比条件下识别率低的问题,利用高阶累积量良好的抑制噪声特性,通过构造高阶累积量作为特征参数之一,并联合其他特征参数,采用优化的径向基神经网络对模拟数字信号进行自动调制识别。Matlab仿真表明,该种方法能够有效提高低信噪比条件下的信号识别率。     

瑞利信道下基于累积量的调制识别方法

针对瑞利信道下调制方式分类的问题,提出了一种基于累积量的识别方法。该方法利用四阶累积量和六阶累积量的组合作为特征参数,采用决策树分类器,能够实现二相相移键控(BPSK)、四相相移键控(QPSK)、四进制幅移键控(4ASK)、四阶正交幅度调制（16QAM）、五阶正交幅度调制（32QAM）、六阶正交幅度调制（64QAM）和正交频分复用（OFDM）七种调制方式的识别分类,且计算量小,易于实现。从理论上进行推导与分析,所提方法对瑞利衰落和加性高斯白噪声干扰不敏感。计算机仿真结果表明：信噪比大于4dB时,正确识别率达到90%以上,说明了所提方法的可行性及有效性。     

多径信道下MPSK信号调制识别算法的研究

针对室内以及山区多径环境下MPSK信号的调制识别,提出一种基于高阶累积量的识别算法。该算法利用高阶累积量良好的抗噪性能,实现了多径信道下的有效识别。理论分析及仿真结果表明,采用本文所提出的识别算法,在中等信噪比条件的,对多径信道的MPSK信号的整体识别率在90%以上,能满足实际应用的需要。     

基于高阶累积量的信道估计及数字调制识别方法①

无线信道的多径干扰使得接收信号发生畸变,其高阶累积量特征不再趋近于其理论值,给调制识别带来了很大困难。针对多径信道中的调制识别问题,提出了一种基于高阶累积量的信道估计及调制识别算法。首先提取接收信号的高阶累积量进行信道参数估计,根据估计结果对识别参数进行修正,使其重新趋近于理论值,从而完成调制识别。该算法仅根据接收信号序列进行运算,所需先验信息少,能对大部分调制方式进行识别。仿真结果证明了算法的有效性。     

突发QAM信号盲识别算法

针对非协作通信中的7种正交幅度调制(QAM)方式识别问题,提出一种新的基于联合特征的盲识别算法。该算法在对信号的循环平稳性以及QAM瞬时幅度分布特点讨论和分析基础上,采用基于循环平稳检测、四阶零次共轭循环累积量以及瞬时包络的联合特征,并选择二叉树支持向量机作为识别分类器,完成了对7种中频QAM信号的识别。仿真实验表明,该算法在码元数目为1000,信噪比大于6dB时,正确识别率可达到90%以上。     

多注意力机制网络的调制识别算法

针对小尺度衰落信道下调制信号识别率低的问题，提出一种基于多注意力机制网络的调制识别算法。提取信号瞬时幅度/相位特征与同相/正交序列构建双通道输入方式，实现多尺度感受野。通过残差密集块提取双通道数据的频域特征，将特征向量融合后送入双向门控循环单元提取时域信息，引入改进卷积注意力机制模块和软注意力机制捕捉信号的关键特征，构建多注意力机制网络对BPSK、QPSK、8PSK、16PSK、PAM4、GMSK、CPFSK、16QAM、64QAM这9种信号进行调制识别。仿真结果表明，信噪比大于10 dB时，9种信号平均识别率达89.2%以上，与其它深度学习算法相比具有更高的识别率，验证了该算法的有效性。     

基于高阶累积量和三角矩的联合多参数特征OFDM信号盲识别

提出一种瑞利衰落信道条件下的多载波调制盲识别算法,用以区分多载波调制信号(如OFDM)和数字单载波调制信号(如:MASK、MFSK、MPSK、MQAM)。该算法对传统算法进行了改进,提出了利用信号的高阶累积量构造的组合识别参数以及信号的三角矩特征参数来分类单载波信号与OFDM多载波信号。该算法不需要预先知道信号的载波频率和波特率,只需从中频信号直接进行识别处理。仿真结果表明,该算法具有抗多径能力强、识别率高的优点,在SNR高于0 dB时识别率可达100%。     

基于卷积神经网络的通信信号调制识别研究

针对传统人工提取专家特征来进行通信信号识别的方法存在局限性大、低信噪比下准确率低的问题,提出一种复基带信号与卷积神经网络自动调制识别相结合的新方法。该方法将接收到的信号进行预处理,得到包含同相分量和正交分量的复基带信号,该信号作为输入卷积神经网络模型的数据集,通过多次训练调整模型结构以及卷积核、步长、特征图和激活函数等超参数,利用训练好的模型对通信信号进行特征提取和识别。实现了对2FSK、4FSK、BPSK、8PSK、QPSK、QAM16和QAM64 七种数字通信信号类型的识别分类。实验结果表明,当信噪比为0dB时,七种信号的平均识别准确率已达94.61%,验证了算法是有效的且在低信噪比条件下有较高的准确率。     

一种基于ST-RFT算法的数字调制信号识别方法

将短时拉曼努金傅里叶变换(ST-RFT)应用于数字调制信号识别的研究中,以寻求提高低SNR条件下数字调制信号识别率的新方法。通过归一化ST-RFT谱图计算、特征参量提取以及阈值判别来实现调制信号的识别。针对5种常见的数字调制信号进行仿真分析,结果表明,在SNR=0 dB的信噪比条件下,基于ST-RFT算法的数字调制信号识别方法的平均识别率可以达到90%,比基于谱图时频分析法的识别率提高了10.4%;特别是相比于基于瞬时幅度和瞬时频率的特征方法,4FSK调制信号的识别率可提高9%。基于ST-RFT算法的数字调制信号识别方法能够 在低SNR条件下有效识别数字调制信号,具有良好的工作性能。     

DSP-based hierarchical neural network modulation signal classification

This paper discusses a real-time digital signal processor (DSP)-based hierarchical neural network classifier capable of classifying both analog and digital modulation signals. A high-performance DSP processor, namely the TMS320C6701, is utilized to implement different kinds of classifiers including a hierarchical neural network classifier. A total of 31 statistical signal features are extracted and used to classify 11 modulation signals plus white noise. The modulation signals include CW, AM, FM, SSB, FSK2, FSK4, PSK2, PSK4, OOK, QAM16, and QAM32. A classification hierarchy is introduced and the genetic algorithm is employed to obtain the most effective set of features at each level of the hierarchy. The classification results and the number of operations on the DSP processor indicate the effectiveness of the introduced hierarchical neural network classifier in terms of both classification rate and processing time.     

数字卫星广播系统中的调制识别研究

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%)。     

低信噪比下数字调制信号脉内特征提取

为了改善小波变换法在低信噪比下提取数字调制信号脉内特征时的性能,首先利用WVD变换在零频处既可以保持原始信号调制特性不变,又具有很好的噪声抑制作用的特性,对信号进行降噪处理,然后从理论上分析了PSK信号和FSK信号小波脊线的性质,根据不同调制信号小波脊线的差异可以得出其调制类型,进而可以得到信号的频率和码速等脉内调制信息.通过对低信噪比下PSK信号和FSK信号的计算机仿真,取得了较好的效果,也验证了方法的可行性.     

基于二阶循环累积量的载波频率估计

针对单信道中时频重叠双信号的载波频率估计问题,提出一种基于二阶循环累积量的载波频率估计方法。该方法通过检测信号二阶循环累积量的峰值进行载波频率估计,不需要对信号进行分离,可以直接估计双信号的载波频率。仿真结果表明,对于BPSK、QPSK、8QAM、16QAM任意组合的时频重叠双信号,在信噪比不低于－5 dB的情况下,该方法的载波频率估计准确率高于95%。