一种常用通信信号的自动调制识别方法

提出了一种常用通信信号的调制方式自动识别的算法,从信号的功率谱、二次功率谱和四次功率谱中提取一组特征参数,采用判决树方法,在不需要先验知识的情况下对常用通信信号调制样式进行自动识别。通过计算机仿真和实际采集数据验证,表明该算法识别准确率高,实现简单,具有较强的可行性和实用性。     

常用多进制数字调制信号的识别方法

针对常用的多进制数字调制信号,设计了一通用的数字调制识别方案:先用三个时频域特征参数进行调制的大类识别,再利用各自算法估计信号调制阶数,修正了MFSK信号功率谱谱峰个数的估计算法,并提出了MASK/MQAM基于时域的调制阶数识别算法.仿真结果表明,在信噪比大于6dB时,该识别结构和识别算法对MFSK、MPSK,MASK调制信号的正确识别率不低于92%,MQAM识别算法则要求较高的信噪比.     

通信信号调制识别方法研究

通信信号调制类型的识别是一种典型的模式识别问题。现代通信技术发展迅猛,通信信号体制和调制样式日趋复杂多样,信号环境也向大量密集、不易控制的方向发展。常规的识别方法已很难适应新形势的需要,不能对各类通信信号进行高效准确的识别,因此对新的调制类型识别方法研究时间紧迫,意义重大。针对这种情况,本文首先详细介绍了判决理论识别方法和统计模式识别方法这两种数字通信信号调制识别方法。之后对两种方法的优缺点进行了分析比较,最后对今后的研究方向做一展望。     

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.     

常用数字调制信号识别的一种新方法

通过分析数字调制信号及其非线性变换的功率谱,提出了两个新的调制特征参数,改进了两个相关特征的描述,设计了一种采用神经网络集成结构分类器的识别方案,实现了AWGN信道下常用数字调制信号的自动识别.仿真表明,谱形状特征参数具有很好的抗噪声能力,离散谱线特征参数对信号调制参数更加稳健性,神经网络集成分类器的识别性能显著优于单个网络分类器,SNR＞5dB时该识别方法的总体识别率在94%以上.     

无线电信号自动采集和调制方式识别方法

信号的调制方式识别是信号解调分析的前提,是无线电监测的重点.针对传统调制方式识别方法准确率低的问题,利用基于卷积神经网络的调制方式识别技术,建立了一种获取和识别信号的方法,通过构建自动采集系统,采集大量真实的无线电信号,训练形成卷积神经网络模型.测试表明,识别率有所提升.     

移动通信信号自动调制识别的谱相关方法

一些不同的数字调制信号有着相同或相近的功率谱密度,但它们的谱相关函数却有明显区别。平稳的噪声和干扰的谱相关为零。利用谱相关函数的这些性质可以识别出噪声中的调制信号。本文提出了一种用于移动通信信号自动调制识别的谱相关算法,该方法可以识别各种主要无线系统和标准所采用的调制类型。     

卫星通信常用调制方式的自动识别

提出了一种基于谱特征的通信信号调制方式自动识别新方案，该方案直接从信号功率谱、平方谱和四次方谱中提取一组顽健性强的特征参数，在不需要先验知识的情况下对卫星信道中常用调制方式的信号进行自动识别。仿真结果表明，在信噪比大于5dB时其总体识别率达98％以上。该方案具有实用性和可行性。     

卫星通信常用调制方式的自动识别

调制信号的自识别有很多方法,本文提出一种基于谱特征的新方法,这种新的方法可以从信号的功率谱、平方谱还有四次方谱中提取一组特征参数,其最大的好处在于不需要对调制信号进行任何先验情况下可以对卫星通信中常用信号进行自识别。实验结果表明,当信噪比大于5dB时,此方法识别率达96%以上。同时也验证了该方案具有实用性和可行性。     

改进的通信调制信号谱相关识别方法

传统谱相关分类法利用不同信号在a截面上所表现的不同谱相关特征可对通信信号进行分类,需要提取六种特征参数。文章结合小波分析法估计信号的码元宽度Tt,利用谱相关提取的三种特征参数,可对常见八类调制信号进识别。仿真表明,该方法具有很好的识别效果。     

一种基于循环谱分析的调制信号识别算法

对调制信号识别技术进行了研究。传统的调制识别方法需要先验已知待测信号的某些关键参数(如载波频率、码元速率、相位偏移等),而且处理噪声干扰的能力较差。文章提出了基于循环谱分析理论和改进的BP人工神经网络分类器的调制识别算法,该算法无需获知信号的任何先验信息,即可实现低信噪比下无线信号调制方式的自动识别。仿真结果验证了所提算法的有效性。     

基于软件无线电架构的通信信号自动调制识别

自动调制识别是非合作通信系统接收机设计中的重要研究课题。本文提出了一种基于软件无线电架构的自动调制识别算法。该算法计算量小,适合于在线分析。本文对高斯噪声中通信信号的自动识别进行了计算机仿真。实验结果表明,在信嗓比为15dB时,识别成功率不低于98％。     

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。     

通信信号调制识别方法研究

将小波特征提取和BP神经网络理论相结合,设计一种新的调制识别方法。针对非稳定、大信噪比(SNR)变化的通信信号进行了有效的特征提取和分类,实现了通信信号调制方式的识别。收敛速度慢是传统BP算法存在的主要问题,为此提出Levenberg-Marquart算法对其进行改进。实验结果表明,收敛速度及识别正确率得到明显改善。     

基于并联网络的水声信号自动调制识别方法

提出了一种结合卷积神经网络和改进的Transformer Encoder网络的并联网络模型——ConEncoder。其中卷积支路结合了残差连接和SE模块用于提取信号的局部特征,Encoder支路去除传统的位置编码,用于提取信号的全局特征,最后融合二种特征,实现了在复杂的海底环境下对8种水声信号调制方式的高准确率识别,识别准确率可达98%以上。相较于基于专家特征进行识别的传统机器学习算法和常用的神经网络都具有更好的识别性能。     

模拟调制信号的自动调制识别

调制方式是通信信号的一个重要的特征参数.无论军事或者民用目的,都通常需要对这些信号进行监测.因此对自动调制识别算法的研究具有十分重要的意义.本文基于某无线电监测系统,研究了六种模拟调制信号的自动调制识别算法.针对DSB信号,设计了一个新的特征参数来描述其相位特征,有效的解决了噪声对其相位跳变的影响.文中给出了其表达式和计算流程.通过正交变换得到信号的特征参数.在SNR=5dB时,正确识别率达到97%以上.理论分析与仿真结果证明算法的有效性.     

一种有效的BPSK/QPSK信号调制识别方法

根据不同调制信号相位差分的变化规律,文章提出了基于相位差分峰值幅度比较的BP SK/QPSK调制识别方法。仿真结果验证了调制识别方法的有效性。     

模拟调制信号的神经网络识别方法

本文提出模拟调制信号的人工神经网络识别方法，从信息幅度、相位、频率及功率谱等特 提取四种特征参数，用于训练神经网络对模拟调制信号的识别。采用神经网络，不仅可提高识别的智能化，而且能提高正确识别率。该算法的识别性能明显高于目前广泛采用的各种方法，实验表明信噪比为８ｄＢ时，对各类模拟调制信号的正确识别率在９６％以上。算法能识别的调制类型多，包括ＡＭ、ＤＳＢ、ＵＳＢ、ＬＳＢ、ＶＳＢ、ＦＭ、ＦＭ－ＡＭ等多     

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。