基于高阶累积量的OFDM信号和单载波信号识别

本文提出了一种利用高阶累积量实现OFDM信号和单载波调制信号识别的方法。该方法利用接收信号的高阶累积量提取特征参数,并结合星座图聚类分析,采用一种决策树的多分类器实现信号的分类识别。使用的特征参数对信号的信道抖动和相位延时不敏感,且能抑制噪声的影响,易于工程实现。仿真和实验结果表明,该方法能有效识别出OFDM信号和单载波信号,具有一定的实际应用价值和发展前景。     

改进的DBSCAN算法在调制识别中的应用

提出了一种基于星座聚类的通信信号调制识别新方法。将基于密度思想的M-DBSCAN聚类算法运用于信号星座聚类,通过自适应更新聚类参数,利用其良好的抗噪声性能实现了较低信噪比高斯白噪环境下信号星座图的重构。将该方法应用到对PSK/QAM信号的调制识别,实验结果表明该方法是实际有效的。     

改进的OPTICS算法在调制识别中的应用

提出了一种基于星座聚类的调制识别新方法。该算法利用改进的OPTICS算法能准确发现数据集分布的特性,不仅克服了模糊C-均值聚类算法对初始聚类中心、样本输入次序敏感等不足,而且能够同时发现不同密度的聚类,结合聚类有效性分析实现了聚类中心目的自适应调整,同基于DBSCAN的聚类算法相比,降低了时间复杂度。将该算法用于对MPSK/MAPSK信号星座重构和识别,实验结果表明该方法是实际有效的。     

突发OFDM信号调制识别

为了对OFDM信号进行识别,针对高斯性检测法无法识别白噪声和OFDM信号的问题,提出先应用多子带谱熵法进行OFDM信号端点检测,再构造KS检验统计量进行OFDM信号识别的方案。理论分析及仿真结果表明,多子带谱熵法能够有效地进行OFDM信号的端点检测,基于端点检测的KS统计量降低了纯噪声信号带来的虚警,进而提高了对OFDM信号的识别能力,可以有效地进行突发OFDM信号的识别。     

基于高效自适应聚类算法的调制识别研究

提出了一种基于星座聚类的通信信号调制识别新方法.该方法将星座图形状作为调制识别的特征,运用聚类算法EAFCM(efficient adaptive fuzzy C-means)重建接受信号的星座图.基于模糊C-均值(FCM)聚类算法的自适应高效聚类算法EAFCM不仅克服了模糊C-均值聚类算法需要预先确定聚类参数c、对初始中心敏感等不足,而且具有良好的抗噪声性能.将该方法应用到对PSK/QAM信号的调制识别,实验结果表明该方法是实际有效的.     

基于星座图匹配的OFDM子信道调制识别改进算法

文章针对OFDM信号侦察系统中已有的子信道调制识别方法难以满足实时性要求的问题,提出了一种基于星座图匹配的子信道调制识别改进算法,该方法采用标准信号星座图的幅度和相位分布构建识别函数,消除了抽取聚类法的调制阶数估计误差,提高了识别的正确率。通过理论分析和仿真试验,验证了该改进方法的有效性和可行性。     

RS编码空间调制系统

针对多输入多输出系统(MIMO)中信道相关性对系统性能影响严重以及TC-SM系统频谱效率低等问题,提出一种RS编码与空间调制相结合的RS-SM系统方案。在发送端,首先对数据进行编码、交织、SM映射后发送出去,在接收端,通过采用最大似然(ML)译码算法进行检测,检测结果送入RS译码器,利用RS码的纠错性能,降低信道相关性对系统性能的影响。同时,RS-SM系统克服了TC-SM系统频谱效率低的缺点,使系统具有更高的编码效率和更多的码率选择。理论分析与实验仿真结果表明:RS-SM系统能够有效提高系统的性能和频谱效率。     

混合二进制偏移载波调制技术

针对即将在全球卫星导航定位系统GPS的L1民用信号和伽利略卫星导航定位系统的L1开放服务信号中使用的BOC调制技术的优化问题,对MBOC调制技术的基本概念作了重点介绍.并在此基础上用仿真方法验证MBOC(6,1,1/11)信号的多径误差和Gabor带宽,给出仿真结果,同时与BOC信号作比较.仿真结果表明:在采用正弦副载波时,MBOC(6,1,1/11)信号的抗多径性能相对于BOC(1,1)信号和BOC(2,2)信号有明显改善;但在采用余弦副载波时,MBOC(6,1,1/11)信号的抗多径性能相对于BOC(2,2)信号没有明显改善,并且BOC(2,2)信号在Gabor带宽方面还要优于MBOC(6,1,1/11),而BOC信号接收机结构的实现却更加容易.因此,余弦副载波类型的BOC(2,2)相对于MBOC(6,1,1/11)更有优势.     

OFDM多载波系统无线图像的鲁棒性传输

将图像分级编码与OFDM多载波调制技术相结合,对图像进行分级编码,使经过编码的数据按视觉重要性不同进行排列。然后再根据无线信道的实际衰落情况,为重要性不同的比特分配不同的信道、比特速率和功率,在总的发送功率一定的条件下,以及在满足视觉重要性不同的误比特条件下,使系统的传输速率最大。在上述自适应分配的基础上,根据各子信道传输的比特重要性的不同,采用不同信道编码,实现对视觉重要性高的比特的更高级别的保护,使其在较低的误比特率下进性传输。     

APSK调制在基于OFDM可见光通信系统中的性能分析

在基于正交频分复用(Orthogonal frequency division multiplexing,OFDM)的可见光通信(Visible light communication, VLC)系统中,发光二极管(Light emitting diode,LED)的非线性特性是影响系统性能的一个重要因素。为了减小LED非线性的影响,将幅度-相移联合键控(Amplitude-phase shift keying, APSK)调制与OFDM技术相结合的传输方式引入可见光通信系统中。本文介绍了APSK调制的原理及其在基于OFDM调制的可见光通信系统中的应用,建立了基于APSK-OFDM调制的可见光通信系统模型,并与常用的基于正交幅度调制（Quadrature amplitude modulation, QAM）的OFDM系统性能进行了对比。仿真结果表明,在OFDM系统中,如果信道是理想的,QAM调制的性能要比APSK调制的性能好;但当考虑到LED的非线性特性时,后者的性能要明显优于前者。     

地空信道下基于OFDM/OQAM系统的时频同步算法

针对正交频分复用/交错正交幅度调制（OFDM/OQAM）系统无循环前缀而对时偏误差敏感,以及在具有大多普勒频移的快时变地空信道下对频偏估计要求较高的问题,提出了一种适用于地空信道OFDM/OQAM系统的自相关估计（ACE）时频同步算法。该算法中符号定时采用较少的辅助序列实现快速捕获和定时,频偏估计通过优选同步自相关序列进行两次自相关运算,将两次运算估计的频偏值进行加权平均,获得最终频偏估计值。在计算机上进行仿真,其中与改进最小二乘（MLS）算法和训练序列（TR2）算法相比,ACE算法符号定时相关峰值对比度提高至原来的3倍;在飞行状态下系统误码率（BER）为10^-2时有10dB信噪比增益,在地空信道到达状态下BER为10^-3时有3dB信噪比增益。仿真结果表明,ACE算法进一步提升了时频同步精度和误码性能。     

OFDM信号的盲识别研究

提出一种新的OFDM信号盲识别算法,利用多载波OFDM信号在时域上的近高斯性,提取信号特征参数Q作为分类特征,该参数不受高斯白噪声的影响,且无须知道先验知识,只需在中频直接对信号进行识别,计算简单、利于实现。仿真实验结果表明,在短波信道中,该算法具有较强的抗多径能力。     

OFDM系统模拟前端非理想因素的估计补偿

针对正交频分复用系统中3种模拟前端非理想因素(载波频偏、IQ失配、采样频偏)影响系统性能的问题,提出一种新颖的联合估计与补偿算法。在时域对载波频偏和IQ失配进行估计与补偿,在频域对残余载波频偏与采样频偏进行估计与补偿。仿真结果表明,与一些传统算法相比,该算法能利用更少的数据辅助资源,提高估计精度,即使存在较大非理想因素的影响,仍能够提供较低的误码率。     

基于DSP的嵌入式语音识别系统的实现

设计并实现了一种嵌入式语音识别系统。硬件核心处理器是ADSP2181,语音接口芯片为AD1847。软件模块包括语音端点检测、MFCC求取、动态时间弯折算法、识别结果判定、模板训练等。系统使用定点DSP实现了浮点DSP运算,提高了运算的精度,扩大了信号处理的动态范围。实验结果表明,该系统对孤立词特定人的识别率为98％。它可用于声控玩具、智能家电等,具有较大的市场应用价值。     

基于鉴别稀疏保持嵌入的人脸识别算法

鉴于近年来稀疏表示（Sparse representation,SR）在高维数据例如人脸图像的特征提取与降维领域的快速发展,对原始的稀疏保持投影（Sparsity preserving projection,SPP）算法进行了改进,提出了一种叫做鉴别稀疏保持嵌入（Discriminant sparsity preserving embedding,DSPE）的算法. 通过求解一个最小二乘问题来更新SPP中的稀疏权重并得到一个更能真实反映鉴别信息的鉴别稀疏权重,最后以最优保持这个稀疏权重关系为目标来计算高维数据的低维特征子空间.该算法是一个线性的监督学习算法,通过引入鉴别信息,能够有效地对高维数据进行降维. 在ORL库、Yale库、扩展Yale B库和CMU PIE库上的大量实验结果验证了算法的有效性.     

基于新序列核支持向量机的说话人识别

为了更好地将区分式分类方法应用于说话者确认系统中,构建序列核支持向量机已成为说话人识别领域的研究热点与趋势.本文在研究可再生希尔伯特空间框架的基础之上构建出一个新的序列核来对语音序列间的相似性进行度量,并结合近年来提出针对支持向量机(SVM)跨信道子空间特征差异(ISV)所提出的归整技术(LFA,NAP,CSP),进一步优化序列核系统.在美国国家标准与技术研究所(NIST)2004年评测数据集的实验中,新序列核系统的识别率高于传统高斯混合模型(GMM)和基于广义线性区分性核(GLDS)的支持向量机.     

基于决策理论的模拟数字混合信号调制识别

提出一种基于决策理论的模拟数字混合调制信号自动识别算法,采用基于I/Q正交双路的信号处理架构,利用扩展收敛域的CORDIC算法提取信号的瞬时幅度、瞬时相位和瞬时频率,结合软件无线电中具体的工程实现方法,修改部分识别特征参数,介绍基于判决树的识别流程。仿真结果表明,在信噪比不小于6 dB时,采用该算法的平均正确识别率在94%以上。     

基于CUDA的实时人脸识别系统

通过对人脸识别系统的2个关键部分的优化,实现一种快速高效的人脸识别系统。在面部检测阶段改进图像积分的并行算法;在面部识别阶段尝试算法的并行化,并且把测试阶段的一部分进行了并行化。与传统的CPU识别程序相比,CUDA平台改进程序可在面部检测阶段实现22.42倍的加速比,在面部识别阶段实现1668.56倍的加速比。实验数据表明,本文提出的人脸识别系统具有很高的实时性能。     

基于小波变换和支持向量机的步态识别算法

为了快速准确地进行人体运动步态识别,基于运动人体的轮廓宽度特征,提出了一种新的步态识别算法。该算法首先对每个序列进行运动轮廓抽取,同时从3个方向(水平、垂直、斜向)对时变的2维轮廓进行投影扫描,并分别转换为对应的特征向量;然后通过对级联的特征向量进行离散正交小波变换来提取低维步态特征,并抑制噪声;在此基础上采用支持向量机训练步态分类器组,最后用支持向量机组进行步态识别。在一组30人构成的步态数据库中进行的实验结果表明,该算法具备快速、稳健的特征,识别率达到91%,初步具备了实际应用的价值。