利用小波变换识别脉内调制信号

利用小波变换的多分辨性质、基于信号和随机噪声在小波变换域中不同的模极大值系数特征，对于脉内调制这类渐近信号的连续小波变换进行了研究，并可行性 波变换来提取信号脉内调制特征，计算机仿真表明这种方法的有效性和可靠性。     

小波变换技术及其在信号调制方式识别中的应用

小波变换（ＷＴ）理论正被广泛地应用于各种通信领域,既可以用作非稳态数据谱分析的短时傅里叶变换（ＦＴ）处理,亦可以用作联系时域分析和频域分析的新工具。应用哈尔小波变换分析法对Ｍ元ＦＳＫ和ＰＳＫ信号的分类识别进行了描述,讨论了可供实际使用的相关统计分析法,最后给出了对１０种ＦＳＫ和ＰＳＫ信号的分类识别模拟结果。     

调制信号小波变换的尺度特征

本文根据小波变换的定义和通信调制信号的一般表示形式,分析了典型调制信号的小波系数在时间-尺度平面上的特征,详细推导了小波系数达到最大时所对应的最佳尺度因子与调制类型的关系,并给出了仿真结果.理论分析和实验结果均表明,不同调制信号的小波系数有着不同特征,最佳尺度因子的变化规律与调制类型一一对应,并且与被调制的基带信号存在确定关系.最佳尺度因子的这种特征可用来构造基于小波变换的调制信号分类器和解调器.     

基于小波变换/小波包变换的多载波调制技术

小波/小波包在通信系统中的应用是近年来一个新的研究领域,而基于小波/小波包变换的多载波调制技术是其中一大研究热点。由于小波/小波包基函数具有良好的正交性与时频局域性等特点,基于小波/小波包变换的多载波调制技术,能够有效地提高通信系统性能。本文介绍了当前几种主要的基于小波/小波包变换的多载波调制方案,分析了这些方案的性能特点及发展趋势,并与其他方案进行了比较。     

基于小波变换的数字调制信号识别方法的研究

该文介绍了一种基于小波分类特征的数字调制信号的识别方法,创新之处在于同时应用了连续小波变换和多层小波分解两种方法提取信号的特征,并且对于不同调制信号采用了不同的分类特征。算法实现时不需要进行码元周期估计以及同步时间估计,从而使分类器的设计变得简单,判决准则简化,提高了运算速度和识别率。     

一种基于小波变换和统计特征的数字信号调制模式识别方法

对于数字信号的调制识别问题,提出统计特性和小波变换相结合的特征提取方法。可以通过低信噪比下提取参数识别出调制信号。该方法的特征参数提取具有更低的计算复杂度,具有良好的抗噪性能。当信噪比不小于5 dB时,正确识别率可以达到97%以上。     

基于小波变换的数字信号调制样式自动识别

讨论基于软件无线电技术的一种数字信号调制样式的自动识别的算法。使用小波分析提取数字调制信号的调制特征参数,研究了利用小波分析在软件无线电中常用的调制样式（BPSK／QPSK）的识别问题,对高斯白噪声中的通信信号在不同信噪比情况下进行了识别计算机仿真。仿真及实验验证了用小波分析方法针对信噪比较低、对功耗限制严格的通信系统,具有较为理想的识别能力。     

基于Morlet小波变换的MPSK信号调制识别

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。     

小波变换用于信号突变的检测

本文介绍了小波变换用于信号突变的检测原理，给出了实现小波变换的快速算法。语音的基音检测作为一个应用实例，在文中得到验证。理论与实验表明，利用小波变换检测基音与传统方法相比具有独到之处。     

使用小波变换的MPSK信号调制类型识别

信号的数字调制类型识别在电子战、电子侦察和威胁告警等领域有广泛的应用前景.本文对小波变换应用于MPSK信号的调制类型识别进行了研究,并提出了一种基于小波变换的提取MPSK信号相位信息的方法.通过对相位信息进行统计处理,可以有效地识别MPSK信号的调制类型.计算机仿真结果表明本文所述方法的有效性和正确性.     

小波变换在图像相关识别中的应用

光学图像识别具有广泛的实际应用价值,而联合变换相关器(JTC)是目前采用最多的一种进行图像相关识别的结构方式。将小波变换与联合变换相关技术有效地结合在一起,分析了如何采用小波变换来实现图像相关识别的理论方法,并提供了相应的结构框图,对采用小波变换用于图像目标识别的优点进行了概括及总结,并对该相关识别系统中所应采用的小波类型、滤波方式、滤波器的制作等多方面进行了介绍和分析。     

Automatic classification of high frequency signals

The discovery of the possibility to transmit information by electromagnetic waves led to the appreciation of the importance of such wireless transmissions and subsequently to the requirement for monitoring these radio emissions. Radio monitoring is particularly important in the high frequency range (3 MHz … 30 MHz) because no fixed channel pattern exists in the short wave band. One task of a radio monitoring device detecting signals transmitted by short wave radio stations could well be the automatic determination of the transmitters modulation mode. One may consider this task to represent a pattern recognition problem and use of methods of digital signal processingand pattern recognition for its solution.     

一种基于小波奇异值分解的仿生模式虹膜识别算法

本文给出了一种基于仿生模式识别理论的虹膜识别算法,该识别算法首先进行虹膜的边界定位、归一化及有效区域的选择,并采用Daubechies-4小波变换及奇异值分解的方法进行虹膜特征的提取,最后利用基于超香肠神经元的双权值神经网络对同类虹膜样本构建出了其对应的高维闭合空间覆盖面.在中科院自动化所的虹膜数据库( CASIA v...     

基于小波脊线-Hough变换的LFM信号检测

线性调频(LFM)信号是现代雷达广泛使用的一种大时宽-带宽积的低截获概率信号,根据线性调频信号的小波变换特性,小波脊线与瞬时频率的对应关系,提出了一种检测线性调频信号的联合小波脊线-Hough变换方法,该方法首先计算信号的小波变换,得到二维时-频能量分布图,采用脊算法提取信号的小波脊线,然后在小波脊线时-频平面上再进行Hough变换,从而检测噪声中的线性调频信号并估计信号参数.仿真结果证明,此方法可有效地对线性调频类信号进行检测,并且有较好的抗噪声性能.     

Automatic modulation classification of noise-like radar intrapulse signals using cascade classifier

Automatic modulation classification is essential in radar emitter identification. We propose a cascade classifier by combining a support vector machine (SVM) and convolutional neural network (CNN), considering that noise might be taken as radar signals. First, the SVM distinguishes noise signals by the main ridge slice feature of signals. Second, the complex envelope features of the predicted radar signals are extracted and placed into a designed CNN, where a modulation classification task is performed. Simulation results show that the SVM-CNN can effectively distinguish radar signals from noise. The overall probability of successful recognition (PSR) of modulation is 98.52% at 20 dB and 82.27% at −2 dB with low computation costs. Furthermore, we found that the accuracy of intermediate frequency estimation significantly affects the PSR. This study shows the possibility of training a classifier using complex envelope features. What the proposed CNN has learned can be interpreted as an equivalent matched filter consisting of a series of small filters that can provide different responses determined by envelope features.     

采用DSP与小波变换实现声信号单目标识别

采用TMS320F2812数字信号处理器作为系统核心处理器件,辅以必要的外围电路实现声信号的采集、处理、特征提取及目标识别。根据典型目标声信号的特性,运用小波变换理论对其进行阈值滤波处理;利用小波分析能够反映信号时域和频域局部特性的优点,采用小波变换实现子空间能量特征提取;实现了声信号的快速处理与识别。将此系统应用于典型的车辆目标进行识别,取得了满意的识别效果。     

存在定时误差的MPSK信号调制方式识别

接收机存在定时误差时,应用高阶累积量进行MPSK信号调制方式识别会引起识别率下降.本文针对这一问题,提出了一种对接收数据进行盲定时估计并通过插值滤波进行定时恢复的算法.仿真结果表明,对插值滤波后的数据进行调制识别,具有良好的分类性能,对定时误差有很强的适应能力.     

小波变换在目标识别中的应用

利用小波变换具有易于消除噪声、运算方便、能够体现图像特征等优点,研究了基于小波变换的目标识别方法.首先采用二次B样条小波滤波器组对样本图像进行小波变换,提取多尺度边缘,然后提取不变矩,以此作为图像的特征向量,最后应用小波神经网络进行分类识别.计算机仿真实验表明,该方法取得了较好的识别效果.     

基于Gabor小波的人脸表情特征提取研究

为了使计算机能更好的识别人脸表情,对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理,包括对确定的人脸表情区域进行尺寸和灰度归一化,然后利用二维Gabor小波变换提取脸部表情特征,使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中,利用Fisher准则提取那些有利于分类的特征,最后用SVM分类器进行分类。实验结果表明,上述提出的方法比传统的方法识别速度更快,能达到实时性的要求,并且具有很好的鲁棒性,识别率高。