利用幅度特性对数字信号调制方式进行识别

数字调制方式的识别对于通信信号分析有着重要的作用。针对数字信号（2ASK,4ASK,2PSK,4PSK,2FSK和4FSK）的调制方式,本文提出了一种只利用调制信号瞬时幅度特性便可以对调制信号进行识别的新算法,利用特征参数提取与决策树分类器结合对以上6种数字信号进行调制识别。首先提出了使用希尔伯特变换和解析函数对数字信...     

基于瞬时幅度与小波分析相结合的数字调制制式的自动识别

本文提出了一种基于信号瞬时幅度与小波分析相结合的数字调制制式的自动识别新算法。该算法计算简单、实时性强,能够成功识别2ASK、4ASK、2FSK、4FSK及2PSK5种信号。仿真结果表明,该算法具有较高的识别率。     

特征提取及其在数字调制方式识别中的应用

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,而特征参数的提取是调制方式识别的首要问题。本文提出了两个新的特征参数,并结合这两个新的特征参数在统计模式识别的基础上构造了一组新的特征集参数,该特征集无需任何先验知识。随后,本文针对2PSK、QPSK、8PSK、16QAM、2FSK、4FSK、8FSK、2ASK、4ASK等9种调制类型,采用了分层结构的神经网络分类器进行自动识别。大量仿真表明,在待识别的信号信噪比大于5dB时,该识别系统的正确识别率达97%以上,且识别的稳定性好。     

差分运算在数字调制制式识别中的应用

随着数字通信技术的发展，数字信号调制制式的识别成为近年来的研究热点，本文将差分运算应用到数字调制制式的自动识别当中，设计了一种新的算法，能够成功识别2ASK，4ASK，2FSK，4FSK及2PSK五种信号。仿真结果表明，该算法具有较高的识别率。     

基于时频分析和RBF神经网络的调制识别

提出了利用Wigner-Ville分布区分FSK、PSK、FM和BSS信号的自动调制样式识别方法，利用Wigner-Ville分布提取调制信号的瞬时频率特征，用径向基(RBF)神经网络根据提取的特征参数识别这四种信号，计算机仿真结果证实了该方法的有效性和正确性。     

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。     

基于循环谱和高阶累积量的联合模式识别方法

为完全识别当前卫星通信采用的主要调制方式,结合循环谱和高阶累积量两种信号调制识别方法的特点,提出了一种联合识别算法。该算法将循环谱特征加入到高阶累积量识别法中,联合多种特征参数判决构建识别器,首先利用循环谱完成ASK、FSK、PSK信号的类间识别以及FSK信号的类内识别,在此基础上利用高阶累积量方法完成FSK、PSK信号的类内识别。仿真结果表明,该算法能够完全区分卫星通信中主要的调制模式{ASK、2ASK、2FSK、4FSK、BPSK、QPSK},在信噪比高于5 d B时识别率达88%以上。     

频率调制信号调制方式识别方法

为完成对FM,2FSK,4FSK,8FSK,MSK等频率调制信号的识别,在瞬时频率直方图统计图、信号功率谱、信号平方谱等提取特征,这些特征提取简单,计算量小.给出了频率调制信号识别算法,并利用实测数据验证算法的性能及算法对脉冲成形滤波器形状,频偏等因素的鲁棒性.     

Link-16信号MSK调制模式识别方法

针对Link-16信号采用的最小频移键控(MSK)调制模式,提出了一种基于瞬时特征参量与频谱特征的识别方法。该方法分2个层次进行调制识别,首先利用瞬时特征参量对幅移键控(ASK)、频移键控(FSK)和相移键控(PSK)、MSK信号进行识别,然后再利用频谱特征对MSK、PSK信号进行识别。最后,在特定的数据长度、信号幅度和信噪比的条件下,理论分析与仿真验证该算法易于实现、识别性能较好(90%)。     

通信系统中调制类型自动识别方法分析

根据接收信号样本提取出振幅、频率和相位的特征参数,在AWGN信道中,采用小波变化的方法,针对接收信号样本中提取出的振幅、频率和相位的特征参数,设计调制类型自动识别,对幅度调制和非幅度调制信号特征参数分析,对QAM、ASK、PSK和FSK调制信号的特征参数进行分析,并对区分调制信号的关键参数进行分析并确定,通过对仿真结果的对比表明能实现调制信号的正确识别。     

基于参量直方分布的数字信号调制识别

提出了基于参量立方分布的数字调制信号的神经网络识别方法，在提取信号瞬时幅度、瞬时相位、瞬时频率参量的基础上，将其立方分布作为数字通信信号调制方式识别的特征，用于神经网络的训练与识别。仿真结果说明，这种方法保留了原始信息的明显特征，对数字调制信号识别率高，且具有逻辑关系简单、便于进行实时处理、易于实现等优点。     

基于粒子群支持向量机的通信信号调制识别算法

为了解决大部分通信信号调制识别方法计算量大和分类器训练困难问题,提出一种基于粒子群(PSO)支持向量机(SVM)的调制识别方法.将小波理论与调制信号的瞬时特征、高阶累积量以及分形理论相结合,得到一种混合模式特征向量,并利用粒子群支持向量机对2ASK,4ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,...     

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%。     

基于决策论的数字调制信号识别方法

以决策论为基础提出了一种改进的数字调制信号识别方法,该方法仅需4个相对简单的特征参数,就能识别2ASK、4ASK、2FSK、4FSK、2PSK、4PSK和16QAM这7种数字调制信号。仿真结果表明,该方法复杂度较低,识别正确率有较大提高,尤其对于2ASK、4ASK、MPSK/MFSK及16QAM的识别,在信噪比较低的情况下,具有较好的识别效果。     

基于混沌粒子群的决策树SVM的调制模式识别

针对通信调制识别常用的决策树识别节点过多和支持向量机识别处理多类繁杂的问题,将二者结合起来采用决策树SVM算法,另引入在函数优化、数据挖掘等方面具有突出优势的混沌粒子群算法来对决策树SVM中参数选择进行择优提取。并对2ASK,4ASK,2PSK,4PSK,2FSK,4FSK这些数字调制信号,在信噪比为5%,10%,15%的情况下,进行仿真测试,结果表明有良好的分类效果。