共查询到15条相似文献,搜索用时 140 毫秒
1.
为提高MPSK信号的类内识别率,分析了MPSK信号正弦类Haar小波变换信号的相位信息,通过提取脊线拟合函数相位的方法对MPSK信号进行类内识别。对提出的方法进行了数值分析和仿真实验,得到8PSK信号的相位提取图,并对不同MPSK信号在无噪和有噪两种情况下进行识别分析,最后得到调制方式识别率曲线。分析和实验结果表明,提出的识别方法正确识别率在90%以上,并且具有一定的抵抗通信干扰能力。 相似文献
2.
3.
基于Morlet小波变换的MPSK信号调制识别 总被引:1,自引:1,他引:0
文中利用了MPSK信号经Morlet小波变换后的相位特性,提出了一种识别MPSK信号的方法。Morlet小波有良好的时频局部特性,与Hilbert变换相比,MPSK信号通过Morlet小波变换后获得了信噪比增益,因此可以更精确提取信号的瞬时相位。受加性高斯白噪声污染的MPSK信号经Morlet小波变换后,相位的概率密度函数可以用Tikhonov函数近似,由近似函数利用相位的统计性质识别MPSK信号。以已有的一种识别算法为例识别MPSK信号,仿真结果表明:在正确识别率为0.9时,采用Morlet小波变换,所需信噪比低约3dB。 相似文献
4.
利用小波变换对突变信号的自适应能力和检测能力,以及能够改善信噪比的特点,分析了通信信号两次小波变换后的不同特征,提出一种自动识别模拟与数字调制方式的算法,然后再提取不同的特征参数实现通信信号的具体分类.通过仿真表明,该算法可以有效识别AM、FM、MASK、MFSK、MPSK信号的调制类型. 相似文献
5.
6.
7.
针对多个多阶相移键控信号(MPSK)符号速率快速高精度估计问题,在分析MPSK信号特征和连续小波原理的基础上,提出了一种基于小波变换的多MPSK符号速率盲估计算法,利用固定尺度的小波变换将多个信号的相位跳变信息映射为其小波变换的幅度跳变信息,进而完成对符号速率的盲估计。仿真结果表明,算法具有多信号处理能力,对载频估计误差不敏感,在低信噪比下具有良好的测量性能以及一定的实时处理能力。 相似文献
8.
在非合作通信中,很多情况下由于信道恶化,使得接收信号的信噪比偏低,导致无法对符号速率这一重要参数进行准确估计.随机共振能够在一定程度上利用噪声能量,使其转移并增强微弱信号,小波变换则可以有效检测相位和幅度的瞬变,利用二者各自优势,提出了一种将随机共振与小波变换联合进行MPSK(Multiple Phase Shift Keying,多进制数字相位调制)和MQAM(Multiple Quadrature Amplitude Modulation,多进制正交幅度调制)信号符号速率的估计方法.先利用自适应参数调节随机共振为带噪信号匹配最佳系统参数,之后利用Haar小波变换进一步提取突变信息,不仅弥补了单独使用随机共振效果不佳及其作为非线性系统易发散的缺点,还降低了小波最佳尺度难以确定的影响.仿真实验表明,该方法能够在一定程度上提高输出峰值,降低信噪比门限,适合于低信噪比下的符号速率估计. 相似文献
9.
基于动态聚类的MPSK信号调制分类 总被引:2,自引:0,他引:2
通信信号的自动识别技术受到日益广泛的重视,本文提出了一种新的MPSK信号调制分类算法,对截获接收机输出的频带MPSK信号在未知载波频率的情况下,通过对延迟乘积信号进行分析处理,进而得到与原信号调制类型一致的基带相位信号序列。在未知噪声类型的情况下,利用动态聚类算法对此基带相位信号序列求取最佳聚类数M,从而实现了MPSK信号的调制分类。理论分析和实测信号处理证明了本文提出的算法的可行性。 相似文献
10.
11.
12.
13.
14.
二相编码信号的调制特征对于信号的分选和识别是很重要的参数。在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,他影响到小波脊线提取。通过正弦波频率估计的综合方法来精确地估计出信号的载频,并得到合适的尺度参数,再得到小波脊线。利用小波变换的模值来得到二相编码信号的调制特征。仿真试验验证了此方法的有效性。 相似文献
15.
Hu Jianwei Yang Shaoquan 《电子科学学刊(英文版)》2006,23(4):490-494
The relationship between Haar wavelet decomposition coefficients and modulated signal parameters is discussed. A new modulation classification method is presented. The new method uses the amplitude, frequency and phase information derived from Haar wavelet decomposition as feature vectors to distinguish the modulation types of M-ary Frequency-Shift Keying (MFSK), M-ary Phase-Shift Keying (MPSK) and Quadrature Amplitude Modulation (QAM) modulation types. A parallel combined classifier is designed based on these feature vectors. The overall successful recognition rate of 92.4% can be achieved even at a low Sig- nal-to-Noise Ratio (SNR) of 5dB. 相似文献