共查询到16条相似文献,搜索用时 78 毫秒
1.
运用高阶累积量和SVM的调制自动识别 总被引:1,自引:0,他引:1
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。 相似文献
2.
3.
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。 相似文献
4.
5.
6.
7.
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。 相似文献
8.
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。 相似文献
9.
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. 相似文献
10.
基于高阶累量的数字调制方式识别 总被引:4,自引:0,他引:4
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。 相似文献
11.
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。 相似文献
12.
13.
基于支撑矢量机的调制制式识别算法 总被引:1,自引:0,他引:1
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。 相似文献
14.
15.
利用高阶累积量实现数字调制信号的自动识别 总被引:9,自引:0,他引:9
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。 相似文献
16.
一种新型的数字调制信号的识别 总被引:1,自引:0,他引:1
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。 相似文献