基于支持向量机的实际调制信号识别

提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明，该方法对实际采集的信号具有很好的分类性能。     

基于小波变换和支持矢量机的调制信号识别

提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法，即将信号小波变换后提取各尺度上的能量峰值作为特征向量，利用支持矢量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性，并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明，这种方法具有很高的分类性能和良好的稳健性。     

通信信号分类算法研究

利用观测样本的高阶累积量特征,在累积量域内构造信号分类特征,采用支持矢量机作为分类器,在高维空间实现对GSM、CDMA和OFDM信号的分类。该算法通过提取观测样本的累积量的识别特征矢量以区分不同的信号类型,并将特征向量映射到高维空间中加以分类,首先在理论上分析了算法的正确性,并通过仿真实验进行了验证,结果表明,算法具有较好的推广能力,在较大的信噪比范围内对三种信号均有较高的识别率。     

一种新的雷达PRI调制特征提取方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种基于Sp向量曲线的特征提取算法.根据4种典型模式的雷达信号脉冲序列的特点,该算法应用Haar变换从雷达脉冲信号中提取频率特征,构成二维特征向量,实现雷达信号PRI调制类型的自动识别.仿真结果表明,对特征向量进行大幅度降维后,不仅简化了分类器,而且用于PRI识别仍是可行和有效的.     

短波信号调制方式自动识别方法分析

根据作者多年的短波监测工作经验,结合当前我国短波信号调制方式自动识别的方法,介绍短波信号自动识别的现状,对自动调制识别技术以及常见短波信号的调制方式进行论述,最后介绍了对短波信号特征参数提取及识别的流程。     

基于高阶循环累积量和支持矢量机的分级调制分类算法

利用观测样本的高阶循环累积量特征,提出一种基于支持矢量机的分级调制分类算法,实现了对QAM调制信号的自动识别.该算法具有较快的分类器训练速度和较低的复杂度,对时延和相位旋转具有稳健性,并可在干扰环境下实现对感兴趣信号调制类型的识别.理论分析和仿真结果均证明了算法的正确性和有效性.     

自动识别信号PRF调制的新方法

对信号脉冲重复频率(PRF)的调制样式进行自动识别是信息处理领域的关键技术之一.为解决PRF调制识别算法识别样式有限、准确率低等问题,以雷达信号为例,提出了一种新的识别算法.对接收到的信号序列分别提取比值特征、比重特征、频率特征和形状特征4个参数.基于径向基概率神经网络,实现对多种信号PRF调制样式的自动识别.仿真结果表明:在脉冲丢失率和脉冲虚警率均为10%的情况下,利用该方法可以得到最低为90%的识别准确率,能够满足当前的电磁环境,具有一定的工程参考价值.     

基于LabVIEW的软件无线电调制制式的自动识别

在软件无线电的基础上,用软件LabVIEW的方式实现通信信号非实时的自动识别。调制制式的自动识别是非合作通信系统接收机设计的重要研究课题。利用特征参数研究了软件无线电中常用调制制式信号的自动识别,并基于决策树识别方案,对叠加了高斯白噪声的通信信号用LabVIEW编制了自动识别模块,仿真结果表明该算法具有较为理想的识别效果。     

利用累积量和似然特征的卫星单-混信号调制识别算

针对卫星通信中常用调制信号和PCMA类混叠信号的调制识别问题,提出了一种利用高阶累积量和似然特征的识别算法.算法先对接收数据进行预处理,在此基础上提取4个高阶累积量特征和1个似然特征,构造一个树形分类器进行调制识别.算法不需要知晓信号的定时等先验信息,对收发载频存在的频差不敏感.仿真结果表明,算法在正常通信所需的载噪比下具有较高的正确识别率.     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。 由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。 在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

衰落信道下基于支持向量机的调制识别方法

本文以四阶累积量为特征参数,采用支持向量机(SVM)将分类特征值映射到高维空间中,并构建最优分类超平面,实现对QPSK、16QAM、64QAM和OFDM四种信号的自动调制识别。分析了AWGN信道、Rayleigh衰落信道和Nakagami衰落信道对四阶累积量的影响,推导并给出了经过衰落信道后四阶累积量的表达式。基于支持向量机的调制识别方法解决了特征样本在低维空间的不可分问题,仿真结果表明,在SNR低于10dB时,该方法的性能明显优于决策树方法,信噪比大于等于0dB时,各种信号的调制识别率在90%以上。      

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。     

基于累积量和SVM的数字调制识别

文中提出了一种基于高阶累积量和支持向量机的数字调制信号识别新算法,即从信号的四阶和六阶累积量中提取的参数作为分类特征向量,利用基于二叉树的支持向量机作为分类器的方法实现了2ASK、4ASK、8ASK、4PSK、8PSK等五种数字调制信号的识别。仿真结果表明,在信噪比为10dB情况下,该算法的正确识别率达到了95.83%以上。     

基于共生特性的G.729A基音调制信息隐藏的检测

提出了一种G.729A自适应码本分组基音调制信息隐藏的检测算法.对语音码流的分析发现,通过基音预测进行信息隐藏将改变相邻语音帧中基音周期估计值的共生特性.通过量化这种共生特性,并经过PCA(Principal Component Analysis,主成分分析)降维获得对隐写检测敏感的特征向量.最后基于特征向量和SVM (Support Vector Machine,支持向量机)构建隐写检测器.对不同语音样本数据集的检测表明,当语音长度在2s及以上时,检测正确率均超过96%.此检测算法是一种有效的压缩域信息隐藏检测方法.     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。     

一种新的语音LSF矢量量化码书优化算法

LSF(线谱频率)码书的性能对合成语音质量有着重要影响.经典的LBG算法容易陷入局部最优,而目前的一些码书进化算法搜索空间较大、搜索效率不明显.本文提出了一种新型的基于对LSF矢量空间进行拉伸变化的混合进化码书优化算法.该算法编码空间与矢量同维,相对较小,便于优化操作.算法中引入EP中的变异操作对PSO位置、速度矢量进行控制,以提高优化搜索算法的效率.实验结果表明,本文算法有效地改善了码书性能.     

Nondata-aided error vector magnitude based adaptive modulation over rapidly time-varying channels

A novel nondata-aided error vector magnitude based adaptive modulation(NDA-EVM-AM) was proposed to solve the problem of lower spectral efficiency over rapidly time-varying wireless channels.Namely,NDA-EVM was considered as a metric to reflect the rapid change of time-varying channels.The unified model to calculate different modulation order of NDA-EVM was analytically derived,with which the relationship between NDA-EVM and bit error rate (BER) for each modulation order was presented.Thereafter,the mechanism to adaptively select the modulation orders of multilevel quadrature amplitude modulation (MQAM) signals was designed to guarantee the predefined BER.Taking the two rapidly time-varying channels proposed for high-speed railway scenarios as examples,numerical results are conducted to verify the effectiveness of the proposed algorithm.It shows that NDA-EVM estimation has the lest root mean square error than data-aided error vector magnitude (DA-EVM) estimation and signal to noise ratio estimation.The proposed algorithm has better accuracy in aspects of channel quality estimation and modulation orders adjustment,Compared with conventional data-aided error vector magnitude based-adaptive modulation (DA-EVM-AM),the accuracy improves by 7.9%,spectral efficiency improves by 0.53 bit·s^?1·Hz^?1,and compared with signal to noise ratio based-adaptive modulation (SNR-AM),the accuracy improves by 15.7%,spectral efficiency improves by 0.82 bit·s^?1·Hz^?1.