通信信号调制识别方法研究

通信信号调制类型的识别是一种典型的模式识别问题。现代通信技术发展迅猛,通信信号体制和调制样式日趋复杂多样,信号环境也向大量密集、不易控制的方向发展。常规的识别方法已很难适应新形势的需要,不能对各类通信信号进行高效准确的识别,因此对新的调制类型识别方法研究时间紧迫,意义重大。针对这种情况,本文首先详细介绍了判决理论识别方法和统计模式识别方法这两种数字通信信号调制识别方法。之后对两种方法的优缺点进行了分析比较,最后对今后的研究方向做一展望。     

基于复杂度特征的调制信号识别

调制信号的调制规律能够直接在信号波形上得到反映，本文使用复杂度来定量描述信号的这种有效、简便的波形变化特征，它包括Lempel-Ziv复杂度和分形维数。在Lempel-Ziv复杂度的提取中，本文提出了一种有效的序列重构方法，以此来提高特征的类内集群程度和类间分离程度。在此基础上针对7种调制类型设计了分层结构的组合分类器，从而获得较为满意的识别。计算机仿真实验也证实了本文方法的有效性。     

基于BP神经网络的通信信号调制体制识别技术

本文研究了基于BP神经网络的通信信号调制体制识别技术。提取了反映信号调制体制差异的特征参数,并从提高收敛速度和正确识别概率出发,构建了最佳的神经网络分类器。实验结果表明,该技术拥有较好的通信信号调制体制识别性能。     

通信信号调制识别技术

在无线电应用领域,通信信号调制识别技术已成为一个重要的研究课题.对通信信号调制识别技术的研究内容、现有方法和发展前景作了一个综述,以期让大家进一步了解和推动这方面的研究工作.     

基于改进遗传算法下的数字信号特征值调制识别

通信信号的调制识别及调制参数特征值的估计是信号处理领域的一个重要研究方向。本文在改进遗传算法的基础上,首先确定最能表现信号调制差别的特征值集合,将该集合作为最优秀基因库,然后在遗传的演化过程中通过选择、交叉、淘汰引起的优秀基因库的变化,遗传过程中引入竞争惩罚策略引起基因库的优化,保证每代都是高质量的基因。     

基于证据组合的通信信号调制类型的分类识别

该文应用Dempster-Shafer理论,提出了一种有效的证据分配和组合证据最佳区间的方法,来实现通信信号调制类型的分类识别,在低信噪比的情况下,识别率得到较大提高,并且降低了分类器设计的复杂性。计算机模拟结果证实了此方法的有效性。     

基于ResNet_NSCS的通信信号调制识别

针对通信信号调制识别的特征提取问题,为进一步提高识别准确率,提出了一种基于嵌套式跳跃连接结构的残差网络(ResNet of Nested Shortcut Connection Structure,ResNet_NSCS)调制识别算法。该算法在残差神经网络(Residual Neural Network,ResNet)基础上,通过借鉴ResNet多通路选择思路,引入嵌套式恒等跳跃连接结构,利用提取的特征实现不同调制方式的分类。仿真结果表明,面向RadioML2016.10a数据集,较卷积神经网络(Convolutional Neural Network,CNN)算法和卷积神经网络_长短时记忆网络(Convolutional Neural Network_Long Short Term Memory Network,CNN_LSTM)算法,以增加网络复杂度为代价,ResNet_NSCS算法收敛速度快,识别准确率高。     

数据融合应用于通信信号调制样式识别

对通信信号的频域、时域特征进行了提取,介绍了利用决策树识别其调制样式的方法。针对决策树缺点,提出了基于模糊理论和D-S证据理论对不同参数的可信度进行融合的方法,并给出了利用数据融合算法进行调制样式识别的仿真结果。     

基于改进RBF神经网络的数字调制识别

针对数字调制信号自动识别中分类器的设计,通过将决策树的方法应用到RBF中心的确定中,解决了常用算法计算量大、收敛速度慢的问题,提高了网络的学习精度和训练速度,将其应用到常用的7种数字调制信号(2ASK,4ASK,BPSK,QPSK,2FSK,4FSK,16QAM)的自动识别中,取得了好的结果。经仿真表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点,适于工程应用。     

基于决策论的数字调制信号识别方法

以决策论为基础提出了一种改进的数字调制信号识别方法,该方法仅需4个相对简单的特征参数,就能识别2ASK、4ASK、2FSK、4FSK、2PSK、4PSK和16QAM这7种数字调制信号。仿真结果表明,该方法复杂度较低,识别正确率有较大提高,尤其对于2ASK、4ASK、MPSK/MFSK及16QAM的识别,在信噪比较低的情况下,具有较好的识别效果。     

基于软件无线电的数字调制信号自识别的研究

软件无线电的基本思想是构造一个具有开放性、标准化、模块化的通用硬件平台,通过软件编程来实现无线电台的各种功能。调制方式的多样化必然导致无线电台的多模式化。调制方式多样化的存在,就必须要具备自动识别各种调制方式的方法,所以,信号调制方式的自动识别是软件无线电中必须具备的功能之一。决策理论具有结构简单,识别种类多的优点,这也是本文采用决策理论的主要原因。最后仿真验证了决策理论是非常有效的。     

基于多特征参数的雷达信号调制方式识别方法

提出一种以盒维数、信息维数、相像系数为分类特征识别雷达信号调制方式的方法。这些特征包含了信号的幅度、频率、相位、整体走势(或者轮廓)、波形复杂度和不规则度的细节信息,集中体现了不同调制方式的差异。同时,利用特征自身的类内距离小、类间距离大的特点先聚类分离部分调制方式,最后通过基于粗集的支持向量机分类器进一步分类识别。通过4种典型雷达辐射源信号的特征提取与分类识别的仿真试验,表明基于本方法的调制信号识别正确率高,具有一定的工程应用价值。     

基于小波分析的雷达信号调制方式识别

雷达信号的脉内调制特征是雷达信号细微特征的重要体现,因此要对雷达信号分选和识别,高可信度地判别雷达属性,必须对雷达信号脉内调制特征进行分析。小波变换特别适用于非平稳信号的分析,作为一种特征提取的工具己得到较广泛的应用。用小波变换的方法对常见的几种雷达信号进行了调制方式的识别。     

基于变换域的调制类型自动识别

在多径信道下，针对调制类型自动识别(AMR)问题，提出了一种基于变换域的自动识别算法。该算法从变换域提取全部特征参数，采用决策理论算法，实现调制类型的自动识别。理论分析和仿真结果表明，该算法优于同类算法，具有较高识别精度和良好的健壮性。     

卫星通信信号调制识别技术研究

通信信号的调制方式识别是非协作通信领域的一个研究热点,它需要在没有任何先验条件,且环境复杂有噪声的条件下,不依赖于其它的先验知识,确定目标信号的调制方式。然后就可提取载频、码速率、滚降系数等参数,为信号的进一步深入研究提供依据。分析了几种经常用于卫星通信的MPSK调制信号和高阶调制信号16APSK,提出了一种基于高阶累积量与频谱特征的识别算法。在特定的数据长度和信噪比条件下,理论分析与仿真验证均验证了该算法易于实现、识别率高（≥95％）。     

基于冲激谱线检测的调制识别

现代卫星通信系统为满足传输速率和加密等要求,采用了多种复杂或高阶复合调制信号.为实现各类调制信号的检测与识别,信号之间不同类型谱的谱线分布是重要特征之一.在介绍常见通信卫星调制信号在不同类型谱下的冲激谱线特征基础上,提出了一种基于线性调频Z变换的冲激谱线检测方法,消除了离散频谱"栅栏效应"对检测值的影响.通过高次方谱和...     

基于脉内特征参数的雷达信号调制方式识别方法

研究了一种识别辐射源脉内调制方式的方法。该方法运用分形维数和相像系数作为辐射源信号的脉内特征,提出了基于模糊综合评估获取特征的基本概率赋值,然后运用D-S证据理论进行多脉冲数据融合,从而识别辐射源信号调制方式的方法。基于本方法的辐射源脉内调制方式识别方法通过仿真试验表明,其正确率高,具有一定应用价值。