基于信噪比分类网络的调制信号分类识别算法

针对传统降噪算法损伤高信噪比(SNR)信号而造成信号识别准确率下降的问题,该文提出基于卷积神经网络的信噪比分类算法,该算法利用卷积神经网络对信号进行特征提取,用固定K均值(FK-means)算法对提取的特征进行聚类处理,准确分类高低信噪比信号。低信噪比信号采用改进的中值滤波算法降噪,改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制,来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征,该文提出卷积神经网络和长短时记忆网络并联的卷积长短时(P-CL)网络,利用卷积神经网络和长短时记忆网络分别提取信号的空间特征与时间特征,并进行特征融合与分类。实验表明,该文提出的调制信号分类模型识别准确率为91%,相比于卷积长短时(CNN-LSTM)网络提高了6%。     

一种改进的脉内调制信号识别方法

针对低信噪比下传统方法识别雷达信号脉内调制类型准确率低的问题,提出一种有效的自动识别方法。基于时频原子分解提取雷达脉内调制特征,提出了一种融合差分进化与遗传算法优点的混合进化算法,进行最优原子搜索,从最优原子中提取出三种特征值并运用概率神经网络进行分类识别。仿真表明,该方法较差分进化算法有更高的搜索效率和更低的时间复杂度。在信噪比不低于-2dB时,该算法有90%的正确识别率。     

复杂体制雷达辐射源信号识别新方法

针对现有方法识别准确率不高和对噪声敏感的问题,应用双谱二维特征复杂度实现了低信噪比下未知复杂体制雷达信号的高准确率识别。对接收到的信号首先提取双谱幅度谱并简化为二维特征,然后求取该二维特征的复杂度特征中的盒维数和信息维数,并将两者作为识别的特征参数,最后基于支持向量机完成识别。由于不同信号的双谱区别大且对高斯噪声不敏感,因此提取的盒维数和信息维数可分性强、稳定度高,仿真验证了方法的优越性,在信噪比为5dB时,识别准确率最低为86%。     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.     

基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。     

基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

一种敌我识别辐射源暂态信号指纹特征提取方法

信号的指纹特征是辐射源个体识别的重要依据。针对敌我识别辐射源的个体识别问题,提出了一种基于双树复小波和多重分形的信号暂态特征提取方法。该方法通过双树复小波变换实现信号多分辨率分解,求解分解信号Hilbert谱的信息熵和指数熵,计算信号的多重分形奇异指数和谱值,最终组成表征辐射源的特征向量。通过实验验证,提取的特征向量能充分代表辐射源个体之间的差异;被测信号的信噪比满足8 dB或9 dB的条件时,对辐射源的识别正确率能达到90%以上。统计分析表明该方法提取的特征具有很高的稳定性。     

基于时频分布Rényi熵特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于时频分布Rényi熵的雷达信号特征提取和识别方法。该方法首先对雷达辐射源信号进行时频变换,然后提取信号时频分布的3阶、7阶和11阶Rényi熵作为特征向量,得到具有维数低、类间差异较大的识别特征。最后采用支持向量机分类器实现信号的分类识别。文中对8种常见雷达信号进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的正确识别率,当信噪比为-3dB时,采用时频分布Rényi熵特征的平均识别率仍能达到90.75%,验证了提出方法的有效性。     

利用指数范数的QAM信号调制识别方法

针对高阶正交幅度调制(QAM)类信号的调制识别问题,提出了一种利用指数范数的调制识别分类方法,实现了由5种QAM类信号所组成信号集的调制识别.首先,对信号集内待识别信号提取指数范数特征,依次将16 QAM和32 QAM信号从信号集内识别出来;然后,对信号集内剩余信号提取高斯指数范数特征,依次识别64 QAM、128 QAM和256 QAM信号;最后,根据决策树原理设计分类器,实现信号集内5种QAM类信号的识别.仿真结果表明,在信噪比大于6 dB时,该方法对信号集内的信号的识别正确率超过96%.     

基于谱线特征的MPSK调制识别

通信信号调制识别技术在军事和民用领域都具有重要的应用前景。针对5种经过均方根升余弦脉冲成形的数字相位调制信号,提出了一种实现调制方式自动识别的方法。该方法利用不同调制方式的数字信号做非线性变化后往往具有不同谱线特征的特点,得到了两个新的识别特征参数,为瞬时特征相似的数字相位调制信号的识别提供了新的手段。仿真结果表明,两个新特征参数是非常有效的,在信噪比大于8dB时,该方法的整体识别率不低于95%。     

基于多重分形特征的通信调制方式识别研究

该文提出一种基于多重分形特征的数字通信信号调制方式识别新方法。对接收信号进行去噪预处理,基于2维数据阵列求取信号的广义维数和多重分形谱;详细讨论了权重因子q对多重分形谱的影响,提取了13个多重分形特征参数;设计了基于多重分形特征的支持向量机分类器对不同信号进行调制方式识别。仿真结果表明,该算法在低信噪比情况下具有很好的识别性能。     

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。     

一种基于高阶累积量的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite-Second Generation,DVB-S2）中多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于高阶累积量的识别方法。首先对16QAM、32QAM、16APSK、32APSK信号的高阶累积量及其特征进行分析,进而利用其高阶累积量的不同提取用于信号分类的特征参量进行调制识别。给出了算法的详细流程,并对算法进行了仿真分析,结果表明,当样本数越多时,算法信噪比适应能力越好,而与相位偏差无关;在信号样点数为2 048点且信噪比为10 dB时,算法可实现96%的正确识别率,完全满足实际系统对信号分类的需要。     

Modulation recognition of communication signals based on high order cumulants and support vector machine

Using high order cumulants as signal eigenvalues, signals of different modulation formats can be recognized with support vector machine (SVM). Since high order cumulants of different modulation signals are different from each other, fourth and sixth orders of cumulants were chosen and only four eigenvalues were constructed in the recognition in this paper, thus signals of different modulation format and signals of different modulation order with the same format were recognized in low signal-to-noise ratio (SNR). It was shown that the key of recognition of modulation format is how to choose proper high order cumulants as eigenvalues. So that acceptable accuracy of recognition could be obtained in low SNR. During the recognition process, one-to-one classification of LibSVM was used to simplify the usual binary separation process. An efficiency modulation recognition method was put forward with high recognition rate and less complexity.     

一种基于ITD和高阶累积量的OFDM识别算法

针对正交频分复用(OFDM)与单载波调制识别,提出了一种基于固有时间尺度分析(ITD)和高阶累积量的识别方法。通过ITD分解待识别信号,提取固有旋转分量的瞬时幅度,利用其复信号幅值高阶累积量区分OFDM和单载波信号,并利用改进和提出的特征参数识别单载波信号。通过MATLAB仿真表明在信噪比不小于5dB的情况下,OFDM信号的识别准确率达99%。     

多传感器节点分布式协作调制识别算法

调制方式的自动识别是保证合法通信的关键措施之一,在民用和军用领域都有重要的作用。本文提出了一种在无线传感器网络中多个传感器节点分布式协作识别数字调制信号的新方法。为了克服在衰落信道中低信噪比时单接收节点调制识别率低的缺点,实现对MASK,MFSK,BPSK,QPSK以及OFDM这几种典型调制方式的正确识别,首先利用网络中相互协作的多个传感器,从提高网络识别性能出发,在每个传感器节点能耗最小的前提下,根据接收信噪比的大小设计有效的协作方案,得到反映调制类型显著差异的特征参数的新组合,然后利用径向基神经网络对数字调制信号进行识别,并就不同的网络条件,给出了不同的协作方案。仿真结果表明,与单节点调制识别相比,本文设计的调制识别方法在衰落信道中具有更高的识别率,并且节点系统更灵活可靠。      

基于DBN 的频率与相位编码信号快速调制识别方法

为提升低信噪比条件下雷达/ 通信频率、相位编码信号调制识别性能,降低特征提取复杂度,提出了基于深度信念网络DBN(Deep Belief Network, DBN)以及快速特征提取的调制识别方法。结合快速傅里叶累加算法FAM(FFT Accumulation Method)算法,提出了将循环谱估计图像转化为有效可识别特征向量的提取算法;设计了用于编码信号调制识别的DBN 网络训练与识别框架。仿真结果表明,文中方法较传统方法具有更低的特征提取与预处理复杂度,提取的特征在几种典型编码调制模式信号中具有明显区分,DBN 训练识别框架对雷达/ 通信编码信号调制识别均具有可行性与有效性,在低信噪比条件下对无线电编码信号有更高的识别正确率。     

一种简单多径信道下的调制识别方法

为解决简单多径条件下调制识别类型少、难以工作于低信噪比下的问题,提出了一种基于联合特征参数的调制识别方法。根据简单多径下不考虑多普勒效应影响这一条件,利用调制信号的延迟相关和瞬时自相关特性,并结合高阶累积量特征对幅移键控(ASK)、相移键控(PSK)、频移键控(FSK)共8种信号进行分类识别。仿真结果表明,在信噪比大于4 dB时,简单多径条件下的各类调制信号正确识别率接近100%。