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。     

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...     

基于高阶累积量和神经网络的数字调制识别

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。分类器采用了多层组合的神经网络分类器,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7 dB时,系统的正确识别率可达95%以上。     

利用高阶累积量实现数字调制信号的识别

文中提出一种基于高阶累积量识别多种数字调制信号的算法。首先推导计算各信号的八阶累积量,从二、八阶累积量中提取一个特征参数,实现以更少参数识别更多信号的目的;然后,为提高MFSK的识别率,从微分后MFSK信号的四、六阶累积量中提取一个特征参数完成识别。仿真结果显示,通过利用这两个参数可以实现2 ASK/BPSK、4 ASK、8 ASK、QPSK、8 PSK、2 FSK、4 FSK、8 FSK、16 QAM、64 QAM等多种数字调制信号的识别。     

基于高阶累积量的调制识别技术的研究

信息化背景下,计算机、信息技术在社会各领域得到了广泛应用,其中信号调制识别作为截获信号处理的一项基础性技术,能够突破复杂环境、噪声的干扰,确定出信号调制方式及参数,从而提高信号处理有效性,确保信息传输准确性。面对愈发复杂的空间环境,积极引入调制识别技术,不仅能够提高信号处理有效性,且能够增强反应效率。文章从高阶累积量及调制识别技术入手,从MPSK、MASK及MQAM三个角度对调制识别技术进行分析,进行计算机仿真试验,以此来证实分类算法具有有效性,从而为我国通信领域发展提供更多技术支持。     

基于高阶累积量实现数字调相信号调制识别

给出了基于高阶累积量进行多进制数字相位调制(MPSK)信号调制识别的特征值构造方法,对该特征值抑制多径干扰能力进行了理论分析,证明累积量阶数越高抑制多径干扰的性能越好。推导出基于6阶累积量进行MPSK信号调制识别的特征值公式,并给出具体分类方法,对4阶和6阶累积量调制识别性能进行了分析比较。计算机仿真试验证明:多径信道时,6阶累积量分类特征值优于4阶;当符号信噪比低于0 dB时,4阶累积量分类特征值优于6阶。     

基于高阶累积量的OFDM信号调制识别技术

为解决非合作通信系统中OFDM（Orthogonal Frequency Division Multiplexing正交频分复用技术）信号的调制识别问题,提出一种基于四阶累积量的OFDM信号调制识别新方法。该方法利用OFDM信号时域包络具有渐近高斯性的特点,对已有基于累积量的识别方法进行改进,通过计算截获信号的复中频信号模值的四阶累积量,提取OFDM信号与单载波信号的分类特征量,对OFDM调制信号进行识别。该算法与已有的基于累积量的识别方法相比,计算量大大减小,且具有较好的识别效果。仿真实验表明SNR高于-2dB时,正确识别率大于99%,证明了该算法的有效性。     

利用高阶累积量实现OFDM信号的调制识别

针对OFDM系统中信号的调制方式，提出一种基于高阶累积量的算法。该算法可以有效地抑制高斯噪声，实现OFDM信号调制方式的识别。文章给出了理论分析和计算机仿真。结果说明算法的性能稳定，复杂度低，具有较高的识别率。     

基于HOCCs和SVM的单通道时频重叠信号调制识别

针对单通道QPSK-16QAM时频重叠双信号,提出了一种利用接收信号二、四、六阶循环累积量(HOCCs)构建分类特征的调制识别方法.选用支持向量机(SVM)作为系统的分类器,与已有方法相比,该算法识别性能更趋稳健.当数据长度取得100个待识别信号码元时,可以在较低信噪比下实现对备选信号准确的识别.仿真试验证实了算法的有效性.     

基于高阶累量的数字调制方式识别

数字通信调制方式识别一直是信号截获处理方面的热点课题,是信号筛选和解调的基础,在通信对抗中意义重大。本文提出了以接收信号的四、六阶累量为特征来识别数字调制信号,文中进行了理论推导,并做了仿真验证该方法的可行性,实现了对2A SK/2PSK、4A SK、8A SK、4PSK、8PSK、16SQAM等数字调制类型识别。     

基于小波变换和支持矢量机的调制信号识别

提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法，即将信号小波变换后提取各尺度上的能量峰值作为特征向量，利用支持矢量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性，并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明，这种方法具有很高的分类性能和良好的稳健性。     

基于支撑矢量机的通信信号调制识别方法研究

提出了一种应用小波变换提取分类特征的基于支撑矢量机的通信信号调制识别方法。使用多个支撑矢量机分类器构成一个多类分类器用于多类信号的调制识别。在中频进行处理,不需要同步信息;利用支撑矢量机具有更好的推广能力,可以使用较少的训练样本。计算机仿真结果表明该方法可以很好地工作于信噪比变化范围较大的通信环境。     

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。     

基于粒子群支持向量机的通信信号调制识别算法

为了解决大部分通信信号调制识别方法计算量大和分类器训练困难问题,提出一种基于粒子群(PSO)支持向量机(SVM)的调制识别方法.将小波理论与调制信号的瞬时特征、高阶累积量以及分形理论相结合,得到一种混合模式特征向量,并利用粒子群支持向量机对2ASK,4ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,...     

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。     

一种新型的数字调制信号的识别

为解决信号调制方式在低信噪比情况下识别率低的问题,提出了TFC-KNN（Time-frequency analysis and higher-order cumulants-K nearest neighbor）算法。该算法在信号时频分析的基础上引入了高阶累积量,采用K-NN近邻算法对信号进行分类。算法中所采用的信号特征参数能有效地抑制加性高斯噪声。仿真结果表明,在信噪比不小于5 dB的情况下,该算法对不同的调制信号的识别率在96％以上。