基于MWC压缩采样宽带接收机的雷达信号脉内调制识别

针对传统宽带数字接收机在接收宽带雷达信号时产生的跨信道问题,以及低截获概率(LPI)雷达信号脉内调制盲识别问题,该文提出一种基于调制宽带转换器(MWC)离散压缩采样的新型宽带数字接收机结构对宽带雷达信号进行截获和识别。该结构采用伪随机序列将接收信号混频至基带和其他子带内,经低通滤波、降速采样获得基带压缩采样信号,解决了跨信道信号问题;又提出一种基于短时傅里叶变换(STFT)和频谱能量聚焦率检验的识别算法。首先检验STFT频谱带宽并进行调相和调频信号粗识别,然后检验压缩采样信号频谱能量聚焦率并进行具体的信号脉内调制识别。仿真结果证明了该新型接收机结构和该识别算法在低信噪比下的有效性。     

基于排序时频特性的雷达脉内调制信号识别

提出了一种基于排序时频特性的雷达脉内调制信号识别算法.该算法可分为三步:首先,通过检验信号时频曲线的互易回归特性,识别出线性调频信号;然后,通过检验信号时频RANKIT图的正态性,识别出常规信号;最后,检验信号平方后时频RANKIT图的正态性,用以区分二相编码与四相编码信号.仿真结果表明,该算法无需接收信号的任何先验知识,在较低信噪比条件下可实现对常用雷达脉内调制方式的有效识别.     

基于时频分析的相位编码信号检测及识别方法研究

低信噪比条件下（0dB）对相位编码信号的检测及识别是当前脉内特征分析中的重点和难点,基于这种原因,提出了一种基于时频分析（短时傅里叶变换）方法对信号脉冲进行检测,然后,重点论述了低信噪比条件下（0dB）对相位编码信号的调制类型识别及参数估计,根据对信号时频特征的分析,建立对信号进行检测及识别的算法模型,并给出了算法的理...     

一种适应低信噪比的脉内识别算法

针对传统的雷达信号脉内调制类型在低信噪比下识别能力不高的局限性,提出一种改进的适应低信噪比的信号调制类型分类识别算法。该算法对雷达脉冲信号流进行时间和脉宽格子划分,对同一格子中脉冲信号采用一阶差分自相关函数法计算特征向量,根据特征向量值进行聚类统计分类。分类后对每组内脉冲信号进行平方处理,再次计算特征向量并进行聚类统计分类,选择每组内质量较好的脉冲信号进行调制类型识别,提高了信号分类识别正确率,通过仿真实验验证了该方法的有效性。     

基于奇异值分解的雷达信号脉内调制类型自动识别

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,提出了一种有效的脉内调制类型自动识别方法。该方法首先计算雷达信号的模糊函数,然后利用图像处理算法提取其奇异值特征,将奇异值特征矢量作为神经网络的输入对脉内调制类型自动识别。仿真表明该方法在0dB信噪比下,对常见脉内调制信号识别率均大于84%。该方法需要的特征维数少、分类器结构简单、识别率高、抗噪能力强。     

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。     

瞬时频率雷达信号脉内调制识别技术

雷达信号的脉内调制识别是雷达侦察信号处理的重要组成部分。随着信号环境愈趋复杂,雷达信号调制识别难度越来越大。首先根据调频和调相两类信号3 d B带宽明显差异的特征,实现类间粗分类识别。继而基于改进瞬时自相关算法提取的信号瞬时频率,将FSK信号和PSK信号进行类内细分类识别。在不同的信噪比条件下,经过多次仿真实验验证,与传统算法相比,此新信号识别算法具有更高的效率和准确度。     

一种有效的脉内调制信号识别方法

文章在相位重构的基础上分析了各种常见脉内调制信号相位差分序列的特征,并给出了它们的识别方法。采用多重相位差分改善了算法对低信噪比环境的适应能力。本文还根据分析给出了脉内识别的系统框图,最后仿真验证了文中分析结论,给出了不同信噪比下各种调制信号的正确识别率。     

基于SPWVD的频率编码脉冲信号的检测与参数估计

运用SPWVD对脉内频率编码信号进行检测与参数估计,根据SPWVD的真边缘性实现了对频率编码信号的识别、突变点的检测以及瞬时频率的估计。该算法在低信噪比下,可以准确地提取出信号的脉内调制特征,有较好的应用价值。     

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.     

欠采样条件下基于DCS的LFM信号带宽估计方法

针对传统方法不适用于欠采样条件下线性调频(LFM)信号在低信噪比(SNR)条件下带宽估计问题,提出一种基于分布式压缩感知(DCS)的带宽估计方法,利用同一信源多个脉冲的联合稀疏特性进行LFM信号带宽估计。首先构建LFM欠采样信号模型,其次利用DCS算法对LFM带宽进行联合稀疏重构,然后分析了所提LFM信号带宽估计方法性能,最后利用仿真验证了方法的可行性和有效性。     

基于BSResSKGRU的雷达信号调制样式识别

针对基于图像识别的雷达信号调制样式识别方法生成图像耗时长,收敛速度慢,且在低信噪比条件下识别准确率低的问题,提出了一种新的雷达信号调制样式识别模型。此模型将雷达信号时间序列经简单预处理后直接作为网络输入,避免了将信号转换为图像的复杂过程;网络能够自主提取雷达信号空间和时间两个方面特征,完善了特征提取的方式;同时,对网络结构进行了优化,并引入了选择性核网络,以获取特征在不同尺度上的重要信息。实验结果表明,此模型在低信噪比条件下具有较快的训练速度和较高的识别准确率。     

分数阶Fourier变换对LFM信号的特征参数估计能力仿真评估

将分数阶傅里叶变换（FrFT）对线性调频（LFM）信号处理方法应用到雷达侦察信号分选与参数估计中,研究FrFT对LFM信号在低信噪比下的检测与参数估计能力。设定了雷达侦察信号背景,制定了仿真验证流程,考察了FrFT对LFM信号的调频率和中心频率的估计能力,对比了不同信噪比下的参数估计运算时间。仿真结果验证了该算法可以完成低信噪比条件下雷达侦察LFM信号特征参数的估计。     

基于决策理论的信号调制识别改进算法

针对基于决策判决理论的传统算法对通信信号调制识别在低信噪比下正确识别率较低的问题,提出了一种基于多种特征参数判决的改进算法。利用高阶矩取代了利用零中心归一化瞬时幅值绝对值的标准偏差来区分ASK信号,对FSK信号采用功率谱谱峰数进行识别。仿真使用了包括模拟调制信号在内的多达11种不同类型的调制信号,仿真结果表明,在信噪比不低于8 dB下,该方法具有较高的正确识别率。     

基于功率谱熵的频谱感知算法研究

针对低信噪比条件下认知无线电频谱感知问题,提出了一种基于功率谱熵的频谱检测算法。在分析主用户信号空闲与占用两种不同条件下观测信号功率谱熵差异的基础上,将其作为检验统计量,并确定了相应的判决门限,以实现对主用户信号频谱是否空闲的判决。计算机仿真结果表明,本算法无需信号的先验信息,可在较低信噪比条件下实现对常用调制信号的频谱感知,与盒维数频谱感知方法相比,检测性能约有8 dB的改进。     

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.     

Frequency hopping modulation recognition based on time-frequency energy spectrum texture feature

For frequency hopping modulation identification,a novel method based on time-frequency energy spectrum texture feature was proposed.Firstly,the time-frequency diagram of the frequency hopping signal was obtained by smoothed pseudo Wigner-Ville distribution,and the background noise of the time-frequency diagram was removed by two-dimensional Wiener filtering to improve the resolution of the time-frequency diagram under low SNR conditions.Then,the connected-domain detection algorithm was used to extract the time-frequency energy spectrum of each hop signal and convert it into a time-frequency gray-scale image.The histogram statistical features and the gray-scale co-occurrence matrix feature were combined to form a 22-dimensional eigenvector.Finally,the feature set was trained,classified and identified by optimized support vector machine classifier.Simulation experiments show that the multi-dimensional feature vector extracted by the algorithm has strong representation ability and avoids the misjudgment caused by the similarity of single features.The average recognition accuracy of the six modulation methods of frequency hopping signals BPSK,QPSK,SDPSK,QASK,64QAM and GMSK is 91.4% under the condition of -4 dB SNR.     

LTE系统中自适应调制编码技术的研究

根据标准研究了LTE系统的自适应调制编码技术,并针对该系统提出了自适应调制编码技术的实现方案。在LTE系统环境下仿真了提出的实现方案的性能,结果表明：无论在高信噪比还是在低信噪比条件下,自适应技术均比单一的编码调制方案吞吐量有明显的提升,该自适应实现方案在保证一定的通信可靠性的前提下,能够更有效地利用频谱资源和提高系统吞吐量。