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%。     

一种基于高阶矩的OFDM信号调制盲识别算法

提出一种Rayleigh衰落信遭务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MPSK，MQAM，MFSK）。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。算法中利用信号的高阶统计量作为分类特征，采用信噪比（SNR）与特征参数联合估计的方法完成自动分类，仿真结果表明在SNR高于0dB时识别率大于95％。     

多径瑞利快衰落信道下OFDM信号的识别

提出了一种在多径瑞利快衰落信道条件下,OFDM信号与单载波信号调制制式识别的方法.利用接收信号的两种高阶累积量的组合作为信号分类的特征值,有效抵消瑞利衰落和多普勒频移的影响.该方法可以在中频对信号进行处理,不需要信号的载波频率、波特率等先验信息.计算机仿真表明,该方法对多径瑞利快衰落和多普勒频移稳健,识别概率高,算法复杂度低,适合实时处理.     

基于高阶累积量和DNN模型的井下信号识别方法

针对矿井复杂异构的无线环境,提出一种基于高阶累积量和DNN模型的井下信号识别方法,实现了井下BPSK,QPSK,8PSK,2FSK,4FSK,8FSK,32QAM,64QAM,OFDM等数字信号的自动调制识别。分析得到9种数字信号的高阶累积量理论值,并通过傅里叶变换提高信号辨识度;分析井下小尺度衰落信道对高阶累积量的影响,推导出经过井下衰落信道后信号的高阶累积量计算表达式,根据高阶累积量理论值构造特征参数并训练DNN模型,实现信号识别。仿真分析结果表明,该方法在矿井Nakagami-m衰落信道下有出色的调制识别性能,信噪比为-5 dB时平均正确识别率为89.2%以上,信噪比为5 dB以上时平均正确识别率为100%。该方法为在特殊复杂环境下的信号识别检测提供了新思路。     

基于高阶累积量和SVM的OFDM调制制式识别

针对Rayleigh衰落信道条件下OFDM信号与单载波信号调制识别问题,提出一种基于高阶累积量和支撑矢量机的信号识别算法.在接收端计算接收信号的高阶累积量作为提取的特征值,构造分类特征向量,支撑矢量机分类器将分类特征向量非线性地映射到高维特征空间中,并建立一个最优超平面来实现信号调制方式的分类.该方法不需要信号的载波频率、波特率等先验信息,直接在中频对信号进行处理.仿真结果表明,该算法对Rayleigh衰落和高斯噪声均不敏感,对信噪比的变化有很强的适应能力.且该算法识别概率高,性能稳定,复杂度低,适合实时处理.     

通信中数字调制信号自动识别算法

将信号的高阶累积量作为信号的特征参数具有很好的抗噪声性能.然而,不同调制信号提取的高阶累积量参数可能相同,造成不能完全识别.针对这种情况,引进了分形理论.提出了将信号的高阶累积量和分形维数结合共同作为识别的特征参数.这种方法不仅很好的避免了高斯噪声对调制识别产生的影响,并且解决了单一的将高阶累积量作为识别的特征参数中存...     

基于高阶累积量和谱分析的数字调制信号识别

提出了一种基于高阶累积量和谱分析识别多种数字调制信号的算法。首先根据各调制信号四阶和八阶累积量的不同,定义一个特征参数实现信号的类间识别;其次根据不同调制信号二次方谱与四次方谱的不同,提取出相应的特征参数,从而实现信号的类内识别。仿真实验结果表明,该方法在较低信噪比条件下可以对2/4/8PSK、2/4/8FSK信号实现识别,且识别率较高,具有很强的实用性。     

OFDM信号的盲识别研究

提出一种新的OFDM信号盲识别算法,利用多载波OFDM信号在时域上的近高斯性,提取信号特征参数Q作为分类特征,该参数不受高斯白噪声的影响,且无须知道先验知识,只需在中频直接对信号进行识别,计算简单、利于实现。仿真实验结果表明,在短波信道中,该算法具有较强的抗多径能力。     

基于MUSIC算法的OFDM信号识别方法

针对多径信道下传统的OFDM信号识别方法存在循环前缀较短时估计性能不高、所需OFDM符号数过多等问题,提出一种基于MUSIC算法的OFDM信号识别方法。该方法首先分析了OFDM信号和单载波信号的结构特点,然后对两类信号的自相关矩阵进行奇异值分解,提取奇异值矩阵,最后根据奇异值矩阵中较大非零奇异值的个数实现OFDM信号的识别。仿真实验表明,该方法仅需较少的OFDM符号就可以实现短循环前缀OFDM信号的识别,且识别性能优于传统方法。     

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.     

一种新的OFDM系统载波频偏盲估计算法

研究未知复杂信号环境,在正交频分复用(OFDM)盲子载波频偏估计中,常规ESPRIT算法进行估计,要求在高信噪比、加性高斯白噪声环境下,否则估计性能下降.为了使信道提高性能,提出一种基于高阶累积量的ESPRIT估计OFDM载波频偏的方法,改善了在现实复杂应用环境下性能下降的问题.由于高阶累积量能有效抑制平稳噪声和非平稳...     

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。     

瑞利衰落信道下基于USRP的实测信号识别算法

非协作通信环境中,针对平坦瑞利衰落信道下多进制正交幅度调制信号(Multiple Quadrature Amplitude Modulation,MQAM)的调制识别进行了研究。首先阐述和分析了平坦瑞利衰落信道下基于高阶累积量进行调制识别的原理,然后利用各阶累积量比值的方法构造出3个单特征参数和1个联合特征参数,最终实现了4QAM、16QAM、32QAM和64QAM信号的识别,并分析不同条件下算法的识别性能。通过LabVIEW+USRP软硬件结合的方式,在实际信道环境条件下对文中算法进行验证。实验结果表明,当信噪比为10 dB时,信号平均识别率接近90%,故具有一定的实用价值。     

基于支持向量机的小波包调制信号识别

基于小波包调制信号和OFDM信号在分数阶傅里叶变换域分布的不同,利用图像成形技术对接收信号的分数阶傅里叶变换域分布图进行处理,探讨了小波包调制信号和OFDM信号的分数阶域分布成形图的特征参数,利用支持向量机做分类器,实现了这两种多载波调制信号的分类识别。计算机仿真结果,验证了算法的性能。     

基于高阶累积量的多音并行调制信号检测研究

针对多音并行信号的调制识别问题,提出了一种基于四阶累积量的识别方法,用以识别特定通信协议下子载波调制样式为MPSK的多载波调制信号.该方法利用带通MPSK信号的累计量特征,在不考虑相位影响的情况下提出了该多音并行信号近似模型并通过理论计算和仿真验证此模型的正确性.然后利用此模型通过计算仿真找到子载波数与累计量参数的对应关系.根据这种对应关系提出识别算法并进行识别仿真,仿真结果表明在低信噪比(-5dB)下有很好的识别效果.     

多载波CDMA子载波频率盲估计算法及其性能分析*

针对频谱感知和多载波CDMA信号解调的实际应用,根据多载波CDMA信号的循环平稳特性,提出了一种利用高阶循环累积量估计多载波CDMA信号子载波频率的方法。由于高阶循环累积量可以有效地抑制平稳噪声和非平稳高斯噪声,通过理论分析可以证明在上述噪声背景下,子载波采用BPSK调制的多载波CDMA信号的四阶循环累积量仅在循环频率为子载波频率处存在,可以通过检测此循环频率来实现子载波的估计。考虑到多载波CDMA信号发端可以采用不同的窗函数以降低频谱泄露,以常见的几种窗函数为例进行了算法仿真,发现本算法对窗函数的变化不     

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。     

低信噪比OFDM信号符号周期盲估计

针对认知无线电系统中正交频分复用(OFDM)信号参数估计这一重要问题,利用OFDM信号的循环谱实现了符号周期的盲估计。首先证明了加循环前缀矩形脉冲成型的OFDM信号具有循环平稳性,然后分别在无噪声和低信噪比条件下,以单载波信号的循环谱为基础,利用OFDM信号各子载波的正交性,从理论上推导出了OFDM信号的循环谱表达式。最后通过对连续信号和离散信号进行仿真,得到了相同的循环谱图,并且在低信噪比条件下,利用循环谱实现了OFDM信号符号周期的盲估计。     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。