基于四阶循环平稳的STBC-OFDM信号盲识别

针对非理想信道环境下多输入单输出(MISO)通信系统中STBC-OFDM信号的盲识别问题,提出了一种基于四阶循环平稳的STBC-OFDM信号盲识别算法。该方法首先对MISO通信系统中STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,结合四阶循环平稳特性,推导了不同时延向量下接收信号块的四阶循环矩;最后根据有无尖峰盲识别空时分组码的类型。该方法采用分层识别的思想,无需信道系数、噪声功率和调制方式等先验信息,适合非合作通信场所。仿真结果表明:算法适应于低信噪比的环境,且不受调制方式、相位噪声和多普勒频移影响,实用性很强。      

衰落信道盲接收条件下的调制分类

该文针对衰落信道下调制识别算法预处理要求高的问题,提出了一种基于循环平稳性检测的调制分类算法,提升了盲接收环境下的分类效果。算法以信号的循环频率为特征,结合循环平稳性检测,实现了OFDM, PSK, FSK等常见数字调制信号的区分。算法无需各种参数估计以及同步等预处理过程,理论推导及仿真结果证明,能够实现低信噪比衰落信道条件下信号的有效区分。该算法将有助于提升衰落信道中非合作接收条件下的信号分类能力。     

基于多分辨分析的单信道盲分离算法

无论是军用还是民用,单信道时频重叠的通信与雷达混合信号的盲分离都具有迫切的需要,丈中提出一种利用小波多分辨分析特性,对其进行归一化处理,精确计算并匹配信号个数、载频、码速率、幅度等参数,并进行调制识别,最终实现盲分离的方法。该方法计算简单,不需要任何先验信息,且对信号能量相对强弱和信噪比范围均有较强的适应性和稳健性。仿真结果证明了该算法的有效性和较强的工程应用前景。     

一种基于循环谱的共信道多信号调制参数估计方法

共信道多信号的调制参数估计问题已成为通信信号处理领域的一个新兴课题,在非合作通信中是调制识别、信号解调等后续处理的基础。信号经过调制、成形及采样等处理后具有循环平稳性,本文提出了一种基于循环谱和离散谱线提取的调制参数估计方法。该算法利用信号调制参数和循环频率之间的关系,通过提取信号循环谱的谱频率截面上与循环频率相对应的离散谱线,实现对时频重叠的共信道多信号中每个信号分量调制参数的精确估计,主要包括载波频率和码元速率。Matlab仿真BPSK、8QAM两种类型的混合信号结果表明该方法切实有效,可以实现载波频率相差不大时共信道多信号的调制参数估计问题,并且算法计算复杂度小、精确度高、抗噪声性能好,不受频谱重叠度的影响。      

混叠通信信号的盲分离处理

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。     

基于softmax回归的通信信号循环谱的多分类识别方法

通信信号调制方式的自动识别在通信对抗领域中具有重要作用,同时也是未来认知无线电系统的重要组成部分,如何在日趋密集的信号环境中快速准确地识别多个混合通信信号是实现通信信号调制方式自动识别的重点。针对这种情况,以数字通信信号的循环谱为特征,通过构建softmax回归多分类识别器,提出一种基于softmax回归的通信信号循环谱的多分类识别方法。通过计算机验证不同条件下的算法性能,证明了该方法无需知道典型的数字调制信号(如ASK,BPSK,QPSK,16QAM,64QAM)的符号率、载频以及同步定时等先验信息,对它们组成的混合信号可以正确识别其中包含的每个调制信号的调制方式,并且识别速度较快。     

同频同调制通信信号的卷积混合单通道盲分离

针对单通道的同调制方式、同调制参数的时频重叠信号的盲分离问题,提出了一种新的卷积混合盲分离算法。首先,基于时间分集的过采样技术的信道多样性性质,将单通道混叠的MISO模型转化为多通道混叠的MIMO模型进行研究。然后,结合MIMO模型混叠矩阵的结构特点,讨论了混叠信号分量的时延差对MIMO模型混叠矩阵结构和混叠矩阵秩的影响。最后,数学推导证明:当信号分量时延差为符号速率的整数倍时,从信号时延的角度来讲混叠信号不具有盲可分离性,并通过仿真实例予以验证。     

OFDM混合调制信号在认知网络中的应用

对OFDM混合调制信号进行了谱相关分析,并将其应用到认知网络中。在采用OFDM混合调制信号传输的认知网络中,利用信号的循环平稳特性可以快速识别出信道空闲、认知信号传输、主用户信号传输和两种信号混叠这四种状态,为认知网络中认知信号的快速可靠接入和退出提供了保障。进一步利用混合调制的位置来标记不同的认知网络,认知节点可以区分不同认知网络信号。在提出的认知网络应用模型中,传输和接收设备较简单,而且不需专门的信道来传输控制命令,节约了带宽。仿真结果显示,在认知网络中,该模型可以提高频谱利用率,使通信系统的性能得到改善。     

单天线接收时频混叠的异频数字通信信号盲源分离算法

本文针对单天线接收时频混叠数字通信信号的盲源分离问题,基于源信号之间载波差异性,构建单天线接收信号虚拟多通道模型,实现了源信号分离与重构。该算法通过对单天线接收混合信号进行短时傅里叶变换,分析各个中心频率的源信号频域特性,提取各个源信号的幅度与相位信息。利用提取信息,实现源信号分离与重构。仿真结果表明,该算法可以有效的实现单天线接收时频混叠数字通信信号的盲源分离。      

Kalman滤波下的多信号单通道盲源分离

窄带物联网环境中,接收机收到的信号通常为多路混合信号,对单通道接收来说,利用常规盲源分离方法很难实现混合信号的分离和源信号提取。针对这一问题,本文提出了一种利用Kalman滤波算法进行信号估计,解决单通道盲源分离的方法。该方法利用信号间的时序结构,通过Kalman滤波算法对多信号混合中的源信号不断估计并迭代更新,最终得到分离信号。仿真实验结果表明,该方法能有效估计并分离出源信号。      

基于独立分量分析的PCMA信号盲分离算法

针对非协作通信中成对载波多址(Paired Carrier Multiple Acess,PCMA)信号的盲分离问题,提出了一种基于独立分量分析(Independent component analysis,ICA)的单通道盲分离算法。首先对接收到的单路PCMA信号进行参数估计得到其残余载波频率,再对其处理得到两路基带混合信号,最后利用ICA算法分离出源基带信号。该算法在未知两个卫星地面站发送信号的情况下,从接收到的PCMA信号中恢复出两路源基带信号。仿真实验表明,本文算法在信噪比为-10dB时仍具有良好的分离效果,两路基带信号的波形相似系数可分别达到0.94与0.86以上。     

基于ICA和特征提取的MIMO信号调制识别算法

针对非协作通信中多输入多输出(MIMO)信号的盲调制识别,该文提出一种基于独立分量分析(ICA)和特征提取的调制识别算法。根据空分复用MIMO系统各发送天线上信号的独立性,利用ICA算法从接收的混合信号中分离出发射信号。为实现全盲条件下的调制识别,在进行ICA分离前,利用最小描述长度(MDL)准则估计发射天线数。在得到发射信号之后,首先利用6阶累积量、循环谱和4次方谱算法构造4个特征参数,然后利用分层结构的神经网络分类器识别信号的调制类型。仿真结果表明,所提方法可在较低信噪比下对{2PSK, 2ASK, 2FSK, 4PSK, 4ASK, MSK, 8PSK, 16QAM}8种MIMO信号进行有效识别,当发送天线数为2、接收天线数为5、信噪比为2 dB时,识别率可达到98%以上。     

基于相位旋转的高阶多路MPSK信号的盲分离

本文针对高阶多路混合MPSK信号的盲分离问题,分析了MPSK接收信号的特性,给出了源信号个数估计定理,在对观测信号进行删余预处理后,利用改进的混合聚类算法估计出源信号数目,然后提出了一种相位旋转算法,消除接收信号中的公共因子,去除相位角不趋于零的元素,将高阶多路MPSK信号盲分离转化为BPSK信号盲分离,利用BPSK盲分离算法即可实现多路MPSK信号的盲分离.仿真结果验证了该算法的有效性.     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于盲源分离的短波频谱管理监测研究

常规无线电频谱监测中,对同频段频谱相互重叠的混合信号缺乏有效的监测手段,盲源分离能在不需要已知源信号和传播信道的情况下,实现对接收混合信号的分离,得到纯净的源信号,是实现监测这种混合信号的有效方法,所以考虑将盲源分离应用到频谱管理监测中。介绍了盲源分离的基本概念,对短波频谱管理监测的盲源分离算法进行了分析,着重对该技术在电磁频谱管理监测中的应用进行了仿真,为频谱管理监测提供了技术支持。     

基于信源数目估计的超定盲信号分离

针对盲信号分离中信道噪声大、信号分离效果差等问题,在传统主分量分析和特征值分解方法的基础上,提出了一种基于信源数目估计的超定盲信号分离方法。首先,采用主分量分析和最大似然估计方法分别对混合矩阵和噪声协方差进行估计,用于对信道噪声的估计与去除;然后,采用交叉验证法对源信号维数进行估计,实现盲信号分离。为了验证提出算法的分离效果,对轻拖尾与轻拖尾混合信号以及重拖尾与轻拖尾信号混合情况进行仿真实验验证,结果表明该算法具有良好的分离效果。     

降低单通道盲分离PSP算法复杂度的方法

随着电磁环境的日益恶化,越来越多的通信系统面临着多信号混合干扰的问题,这对解调信号造成了一定的困难。解决这个问题使用PSP算法对混合信号进行单通道盲分离是一种有效的手段。本文针对目前PSP算法在单通道盲分离中随着调制阶数上升所带来的算法复杂度提高的问题,利用PSP算法的复杂度随串扰长度L增加而上升的特点,提出了一种改进型的PSP盲分离算法。仿真结果表明,在对误码率影响不大的基础上此种改进型算法跟原算法相比,在BPSK解调中能够加速大约3倍,QPSK解调中能够加速大约18倍。若采取另一种不降低串扰长度L的改进方式,则BPSK解调与原算法相比最高能有2dB的增益,并且即使降低L仍有1.5dB的增益。QPSK解调与原算法相比最高能有1.5dB的增益,降低L仍有1dB的增益。      

Non-cooperative signal modulation recognition algorithm based on joint feature parameter extraction

Aiming at the problem that in the current electromagnetic environment,the modulation method is complicated,the frequency-consuming equipment increases,the spectrum is congested,and the electromagnetic environment interference increases,the algorithm of OFDM signal detection and subcarrier identification in the background of non-cooperative communication were deeply studied.Using the different distribution states of OFDM signals and single carrier signals in the time domain,a joint characteristic parameter was proposed to solve the existence problem of OFDM in the received signal.For the phase shift and frequency offset problems caused by the channel transmission to the signal,by using the periodic stability the blind parameter estimation was performed to obtain the signal prior information.On the basis of the obtained signal prior information,a multi-level classification and recognition method for non-cooperative OFDM signal sub-carrier signals was proposed.Therefore,a model based on non-cooperative communication system OFDM signal detection and subcarrier modulation identification was designed,and finally modulation identification of unknown signals was completed.Simulation experiments show that in non-cooperative communication systems,OFDM signals and single-carrier signals can be accurately identified,and ideal modulation recognition effects can be achieved on empty subcarriers,QPSK,and 16QAM in the receiver OFDM signal subcarriers,overcoming the channel transmission band The problems of phase shift and frequency offset have improved the accuracy of modulation mode identification.     

Blind recognition of STBC-OFDM signals based on modified K-S test

Aiming at the problem that existed blind classification of STBC-OFDM in multiple input single output (MISO) communication system,an efficient method for blind classification of space-time block coded orthogonal frequency-division multiplexing (STBC-OFDM) signals based on modified Kolmogorov-Smirnov (K-S) test was proposed,when a single receiver antenna was employed at the receiver.Firstly,the model of received STBC-OFDM signals in MISO systems was given.Secondly,with the correlation of the coding matrix of STBC-OFDM signals,and the discrimination features function provided by the empirical cumulative distribution (CDFs) of the received OFDM blocks was constructed.Finally,the distance between CDFs was tested by the two-sample K-S test,which could blindly classify the STBC-OFDM signals.The proposed algorithm didn't need the estimation of channel,noise statistics and modulation type,and consequently,was well suited for non-cooperative communication context.Theoretical analysis and experimental verify its validity.