基于小波变换的PSK/FSK/QAM信号的波特率估计

小波变换具有局部显微特性,对信号的瞬时特性具有较强的捕获能力。从连续小波变换的定义出发,分析了PSK、FSK、QAM信号的小波或特征,并结合自相关函数理论提出了一种基于小波变换的波特率提取的新算法。对高斯白噪声中PSK、FSK、QAM信号的波特率提取进行了仿真试验,仿真结果表明,在中等信噪比情况下该算法能有效的提取出PSK、FSK、QAM信号的波特率。     

小波分析在信号调制方式识别中的应用

从小波变换的基本概念出发,简要介绍了小波变换在信号时-频分析中的变焦特性。将小波分析理论用于信号识别时,主要是利用检测信号的奇异点来实现。以PSK、FSK、QAM信号的识别为例,详细分析了PSK、FSK、QAM信号的小波域特征,说明了小波变换的这一特性在信号调制方式识别中的应用。     

QAM信号的波特率估计

将传统的信号处理工具———傅里叶变换与小波变换相结合,提出了一种QAM信号波特率提取的新方法。对QAM信号作2次连续小波变换,其小波变换的结果在码元跳变点处出现明显的峰值,其他处都为零。然后再作FFT,则一次谐波谱线(即第2根峰值谱线)的位置恰好位于f=fb处,因此,通过检测第2根峰值谱线位置即可估计出QAM信号的波特率。对高斯白噪声中QAM信号的波特率提取进行了仿真并给出了部分实验结果。     

基于小波变换的通信信号识别算法

通信技术的数字化已经是现代通信发展的趋势.为识别出通信信号中的数字信号的调制方式,分析了解析信号以及归一化处理后的数字信号经过小波变换后的特点,提出直接提取信号小波变换后的频域特征的算法.该算法无需设置判决门限,可以更简单、直接地实现数字信号与其它信号的类间区分以及数字信号之间的区分.通过仿真表明,该方法可有效区分PSK、FSK、QAM与AM、FM、SSB、CW、噪声.     

模拟与数字调制信号的识别方法

通信信号调制方式包括模拟与数字两大类.根据模拟、数字调制信号有无符号率的特点,提出了采用非线性变换与小波变换相结合的方法,获得信号的包络与瞬变信息,然后再提取变换后的频域特征,无需设置判决门限便可直接实现这两种调制方式的分类.通过理论分析和实验仿真验证了该算法的有效性,并对LSB、USB、AM、FM、ASK、FSK、PSK、QAM这几种信号的仿真结果进行了分析.     

基于小波变换的数字通信信号码元速率估计算法

小波变换局部的显微特性对信号的瞬时特性具有较强的捕获能力。文中从小波变换的定义出发,分析了ASK、PSK、FSK信号的小波域特征,并结合传统的FFT理论,提出了一种码元速率的估计算法,最后进行了计算机仿真。     

模拟数字通信信号调制识别研究

在符号变化的时刻,数字调制信号存在幅度、频率等变化的奇异点,而模拟调制信号却不然。利用2次小波变换检测奇异点的有无,提出了1种逼近相消算法来区分数字调制方式和模拟调制方式。通过对通信系统中常用的PSK、FSK、QAM、ASK、FM、AM信号调制方式的仿真,验证了此识别算法的有效性。     

小波分析与最小二乘支撑矢量机在调制识别中的应用

自动调制识别是通信对抗及软件无线电等领域的一个重要研究课题。本文提出了一种使用小波分析与最小二乘支撑矢量机,对数字调制信号的识别方法。首先对接收到的信号进行小波去噪,然后提取其小波包分解系数模值的标准方差作为识别的特征参数．利用最小二乘支撑矢量机为分类器,对2ASK,4ASK,2PSK．4PSK．8PSK．4QAM,16QAM．2FSK和4FSK九类数字信号进行分类识别。计算机仿真结果表明该方法有效．在信噪比为0dB时正确识别率达到99．01％。     

成形QAM信号的小波特性和尺度选取问题研究

对经均方根升余弦脉冲成形的QAM信号的小波特性进行了推导,主要包括QAM信号的瞬时包络和瞬时相位,并通过仿真将得到的结果与传统的基于Hilbert变换的提取方法进行了比较。同时从改善信号信噪比的角度,对小波变换最佳尺度选择问题进行了详细的研究,得出了利用最佳尺度下小波变换提取QAM信号瞬时包络和瞬时相位的一种算法,并通过仿真验证了算法的可行性。     

小波变换在符号率估计中的应用研究

小波变换具有局部显微特性,对信号的瞬时特性具有较强的捕获能力。文中介绍了Haar小波的基本原理,并从连续小波变换的定义出发,分析了PSK信号的小波域特征,对高斯白噪声中QPSK信号的小波变换进行了仿真实验。仿真结果表明,小波变换能够有效地检测并提取符号的跳变信息。     

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,...     

数字通信信号调制识别研究

利用幅度归一化、小波分析、傅里叶变换等方法,在大部分先验信息未知的情况下对 PSK,FSK,QAM,ASK 等不同调制方式的数字通信信号,进行了有效的特征提取,并选取合适的阈值加以识别,实现了数字通信信号调制方式的分类识别。仿真结果表明对于信噪比在5dB 以上的调制信号能正确分类。     

基于小波变换的MFSK/MQAM信号类内识别法

提出了一种基于小波变换的FSK/MQAM信号类内调制方式识别的改进算法,该方法通过深入分析MFSK和MQAM信号在小波域的不同特征,充分利用小波变换模值的奇异性信息,通过对该信息的有效检测,实现MFSK信号类内识别,并将其推广应用到16QAM和64QAM的分类。对该方法的适应性进行了理论分析和计算机仿真,结果表明,新算法大大提高了MFSK/MQAM信号的识别正确率,并有效降低了识别的信噪比门限。     

一种基于HHT的数字调制信号识别方法

提出了基于HHT的数字调制通信信号识别方法,提出了经验模式分解(EMD)主分量能量方差和希尔伯特边际谱相对带宽这两个特征参数。对实际FSK、PSK和QAM信号的识别表明,本方法能较好的识别这三种信号,识别性能受信号参数影响小。     

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。     

Cramer-Rao lower bounds for QAM phase and frequency estimation

In this paper, we present the true Cramer-Rao lower bounds (CRLBs) for the estimation of phase offset for common quadrature amplitude modulation (QAM), PSK, and PAM signals in AWGN channels. It is shown that the same analysis also applies to the QAM, FSK, and PAM CRLBs for frequency offset estimation. The ratio of the modulated to the unmodulated CRLBs is derived for all QAM, PSK, and PAM signals and calculated for specific cases of interest. This is useful to determine the limiting performance of synchronization circuits for coherent receivers without the need to simulate particular algorithms. The hounds are compared to the existing true CRLBs for an unmodulated carrier wave (CW), BPSK, and QPSK. We investigated new and existing QAM phase estimation algorithms in order to verify the new phase CRLB. This showed that new minimum distance estimator performs close to the QAM bound and provides a large improvement over the power law estimator at moderate to high signal-to-noise ratios     

基于小波变换的数字通信信号识别

小波变换对瞬态信息具有较强的检测能力。不同的数字通信信号在码元变化时呈现不同的瞬态信息。分别对幅度未归一化和幅度归一化的3种数字信号（ASK、FSK、PSK）进行小波变换,提取变换后包络方差与均值平方之比作为分类的特征参数,最后利用人工神经网络进行分类识别。仿真结果表明,在低信噪比（5dB）时该算法仍具有很高的识别率。